Des chercheurs de Virginia Tech, du Oak Ridge National Laboratory et de l’Université du Texas à Dallas ont mis au point une nouvelle approche pour améliorer les ordinateurs analogiques, qui utilisent des quantités physiques continues pour représenter des données, rendant ces systèmes plus efficaces sur le plan énergétique par rapport aux ordinateurs numériques.

Leur méthode, décrite dans un article de Nature Electronics, repose sur l’utilisation de phononie non linéaire intégrée dans des dispositifs en niobate de lithium, permettant de coder une grande quantité d’informations sur un seul appareil.

Cette innovation a engendré un système de calcul analogique basé sur un réseau de neurones physiques, capable de classer des données avec une précision impressionnante de 98,2 %.

La co-conception des dispositifs et des réseaux neuronaux améliore considérablement les performances.

Pour une analyse approfondie, écoutez l’intégralité de l’épisode.

Equity, le podcast principal de TechCrunch, est produit par Theresa Loconsolo et propose des épisodes chaque mercredi et vendredi.

Cet événement rassemblera plus de 10 000 leaders de startups et de capital-risque, offrant des démonstrations exclusives, des ateliers pratiques et des opportunités de réseautage.

Participez à la compétition « Ultimate Startup Pitch » avec les 20 meilleures startups, où le gagnant recevra 100 000 $ sans prise de participation.

Explorez les innovations du futur et assurez-vous de votre place à cet événement marquant pour célébrer le 20e anniversaire de TechCrunch.