Café Science Brahim Dkhil
Action | Key |
---|---|
Play / Pause | K or space |
Mute / Unmute | M |
Toggle fullscreen mode | F |
Select next subtitles | C |
Select next audio track | A |
Toggle automatic slides maximization | V |
Seek 5s backward | left arrow |
Seek 5s forward | right arrow |
Seek 10s backward | shift + left arrow or J |
Seek 10s forward | shift + right arrow or L |
Seek 60s backward | control + left arrow |
Seek 60s forward | control + right arrow |
Seek 1 frame backward | alt + left arrow |
Seek 1 frame forward | alt + right arrow |
Decrease volume | shift + down arrow |
Increase volume | shift + up arrow |
Decrease playback rate | < |
Increase playback rate | > |
Seek to end | end |
Seek to beginning | beginning |
Si vous êtes abonné aux notifications, un e-mail vous sera envoyé pour toutes les annotations ajoutées.
Votre compte utilisateur n'a pas d'adresse e-mail.
Informations sur ce média
Synapses et neurones ferroélectriques artificiels ou comment concevoir des matériaux innovants pour l’IA de demain
🔎 Aujourd’hui, l’intelligence artificielle s’impose de plus en plus dans nos sociétés. Cette profonde mutation appelle un nouveau paradigme inspiré de l’architecture du cerveau où la mémoire, stockée analogiquement dans les synapses, évolue aussi en fonction des signaux (sous forme d’impulsions électriques) reçus par les neurones adjacents. En interconnectant neurones et synapses, cette architecture neuromorphique permet un calcul parallèle efficace, et des fonctions d’apprentissage et d’adaptabilité en fonction des sollicitations extérieures.
Cependant, ces neurones et synapses artificiels, appelés "memristors", sont actuellement constitués de circuits électroniques complexes posant des problèmes en termes de consommation d’énergie, de coût et de difficultés technologiques, sans parler des questions d’environnement et d’espace.
Les chercheurs du laboratoire SPMS utilisent des matériaux ferroélectriques pour concevoir des memristors innovants qui vont au-delà de la technologie C-MOS actuelle. Ici, un memristor ne nécessite alors qu’un seul composant et permet d’émuler plusieurs fonctionnalités synaptiques et neuronales pour former des réseaux permettant par exemple de faire de la reconnaissance d’images efficace et à bas coût énergétique.
Autres médias dans la chaîne "Cafés Science"
7 vues, 7 cette année, 7 ce moisCafé science Marie-Laurence Giorgi.mp410 avril 2025
68 vues, 68 cette année, 5 ce moisCafé Science Loïc Quéval6 février 2025
14 vues, 14 cette année, 4 ce moisCafé Science Arthur Tenenhaus13 janvier 2025
23 vues, 23 cette année, 1 ce moisCafé Science Simon Meunier5 décembre 2024
22 vues, 22 cette année, 1 ce moisCafé science Pierre Jehel15 novembre 2024
10 vues, 10 cette annéeCafé Science Anaëlle Wilczynski7 octobre 2024