Des chercheurs de Cambridge développent un memristor à oxyde d'hafnium pour des puces IA à faible consommation

Nouveau matériau pour puces neuromorphiques
Des chercheurs de Cambridge ont développé un dispositif nanoélectronique utilisant de l'oxyde d'hafnium qui agit comme un mémristor stable et à faible consommation d'énergie, conçu pour imiter les connexions neuronales du cerveau humain. Ce travail, publié dans Science Advances, aborde les défis de consommation énergétique du matériel d'IA actuel.
Comment cela fonctionne
Contrairement aux systèmes d'IA conventionnels qui font transiter les données entre des unités de mémoire et de traitement séparées, cette approche inspirée du cerveau stocke et traite l'information au même endroit. L'équipe de Cambridge a créé un film mince à base d'hafnium qui commute les états différemment des mémristors existants.
La plupart des mémristors reposent sur des filaments conducteurs à l'intérieur d'un matériau en oxyde métallique, qui se comportent de manière imprévisible et nécessitent des tensions élevées. Le dispositif de Cambridge utilise plutôt une méthode de croissance en deux étapes avec ajout de strontium et de titane pour former de minuscules portes électroniques (jonctions p-n) là où les couches se rencontrent.
Cela permet au dispositif de modifier sa résistance en douceur en déplaçant la hauteur d'une barrière énergétique à l'interface, plutôt qu'en faisant croître ou rompre des filaments. Le chercheur principal, le Dr Babak Bakhit, note : "Comme nos dispositifs commuent à l'interface, ils présentent une uniformité exceptionnelle d'un cycle à l'autre et d'un dispositif à l'autre."
Indicateurs de performance
- Courants de commutation environ un million de fois plus faibles que les dispositifs conventionnels à base d'oxyde
- Produit des centaines de niveaux de conductance distincts et stables
- Potentiel de réduction de la consommation énergétique de l'IA jusqu'à 70 % par rapport au matériel actuel
- Excellente stabilité et uniformité sur les cycles de commutation
Les chercheurs soulignent qu'un matériel d'IA efficace nécessite des dispositifs avec des courants extrêmement faibles, une excellente stabilité, une uniformité exceptionnelle et la capacité de commuter entre de nombreux états distincts. Cette approche de mémristor à oxyde d'hafnium semble répondre à ces exigences tout en résolvant le problème d'aléatoire des filaments qui a limité les technologies de mémristor précédentes.
📖 Lire la source complète : HN AI Agents
👀 See Also

Résultats de référence pour les modèles Qwen3.5 avec un contexte de 2K à 400K sur RTX 4090
Un développeur a testé plusieurs variantes du modèle Qwen3.5 sur une RTX 4090, mesurant les performances sur des fenêtres de contexte allant de 2 048 à 400 000 tokens. Les benchmarks incluent des métriques de temps jusqu'au premier token et révèlent des problèmes avec certains modèles nécessitant des tests de déchargement KV.

Stratégie des poids ouverts de Mistral : valorisation à 14 milliards de dollars sur la souveraineté, pas sur les benchmarks
Mistral a bâti un empire de l'IA de 14 milliards de dollars en proposant des modèles open-weight aux gouvernements et aux entreprises cherchant une indépendance vis-à-vis des technologies américaines et chinoises. Le chiffre d'affaires a atteint 200 millions de dollars en 2025, avec un objectif de 80 millions de dollars par mois d'ici décembre 2026.

Analyse des problèmes de benchmarking TB2 dans la tâche de récupération db-wal-recovery
Une analyse de Reddit révèle des problèmes avec la tâche de récupération db-wal de Terminal Bench 2.0, où les agents peuvent accidentellement détruire des preuves en ouvrant des bases de données SQLite, et montre comment l'injection de prompt affecte les résultats du classement.

Psychiatre à Melbourne refuse de nouveaux patients qui ne consentent pas à la prise de notes par IA
Un psychiatre de Melbourne exige désormais que les nouveaux patients acceptent la transcription par IA des séances, sous peine d'être redirigés ailleurs, soulevant des problèmes de sécurité des données et de précision.