KAIST développe une puce d’IA capable de reconnaître les changements de mouvement au fil du temps.
KAIST développe une puce d’IA capable de reconnaître les changements de mouvement au fil du temps.

Pour qu’un dispositif portable puisse distinguer la marche d’un bref mouvement de bras, il doit reconnaître l’évolution du mouvement au fil du temps. Des chercheurs coréens ont mis au point une technologie qui superpose des dispositifs semi-conducteurs aux temps de réponse différents, leur permettant ainsi de détecter un changement récent et les changements précédents. Cette technologie pourrait être appliquée à de petits appareils portés sur le corps ou fixés à celui-ci afin d’analyser les mouvements et les signaux physiologiques.
Le 29 septembre, KAIST (président Choongsik Bae) a annoncé qu’une équipe de recherche dirigée par le professeur Jimin Kwon du département des systèmes d’IA, en collaboration avec des chercheurs de UNIST (président Chong Rae Park) et de POSTECH (président Seong Keun Kim), avait réalisé un film mince solide à partir d’un matériau contenant des ions et l’avait utilisé pour empiler des dispositifs semi-conducteurs avec des vitesses de réponse différentes sur plusieurs couches.

Figure 1. Architecture monolithique de réservoir multi-échelle de temps intégrée en 3D basée sur des transistors à grille ionique solide
Dans ces dispositifs, l’application d’une tension déplace les ions au sein du matériau et modifie le flux de courant. Lorsque la tension est supprimée, les ions mettent un certain temps à retrouver leur état initial. De ce fait, l’effet des signaux précédents persiste brièvement dans le dispositif. Cette lenteur a généralement été considérée comme un inconvénient, mais l’équipe de recherche l’a exploitée pour identifier des entrées antérieures.
Le principal défi consistait à contrôler la durée de cet effet. Jusqu’à présent, ces matériaux étaient principalement des liquides ou des gels mous, ce qui rendait difficile la fabrication précise des dispositifs ou leur empilement en plusieurs couches.
Pour relever ce défi, l’équipe a transformé le matériau en un film mince solide, appelé ionogel à l’état solide, et a ajusté la quantité d’ions dans le film ainsi que son épaisseur. Cela leur a permis de créer des dispositifs capables de réagir aux signaux rapidement ou lentement. Lorsque les deux types de films étaient superposés, l’un réagissait au signal le plus récent, tandis que l’autre réagissait aux signaux accumulés sur une période plus longue.
Les chercheurs ont confirmé que les dispositifs pouvaient distinguer les 16 configurations générées par l’activation ou la désactivation de quatre signaux d’entrée consécutifs, selon différentes combinaisons. À partir des réponses mesurées, ils ont également élaboré un modèle de simulation d’un système de classification de vidéos de chiffres manuscrits en mouvement. Ce modèle a atteint une précision de validation supérieure à 90 % pour des séquences d’images animées diffusées à différentes vitesses.

Figure 2. Comportement synaptique et fonctionnement du dispositif en fonction du temps, basés sur la dynamique ionique
L’équipe a fabriqué les dispositifs sur des plaquettes de 4 pouces et sur des substrats flexibles. Leurs caractéristiques électriques sont restées stables pendant 55 mois après leur fabrication.
Ces résultats pourraient servir à développer des technologies de traitement de l’information évolutive, comme les mouvements et les signaux corporels, directement sur des appareils de petite taille. Des validations supplémentaires sont nécessaires pour évaluer les performances de cette technologie et les économies d’énergie qu’elle permet d’obtenir dans des montres connectées.
« Ces dispositifs peuvent être fabriqués sur des substrats de grande surface grâce aux procédés de semi-conducteurs en couches minces existants, et ils peuvent également être empilés en plusieurs couches », a déclaré le professeur Kwon. Il a ajouté que cette technologie pourrait être développée pour créer des puces d’IA capables d’analyser les mouvements et les signaux physiologiques pour des appareils à faible consommation d’énergie, tels que les montres connectées.
https://news.kaist.ac.kr/newsen/html/news/?mode=V&mng_no=67690


