Jeudi 27 août 2026

Aube.

Les nouvelles du progrès
Original et traduction

Le neurone de KAIST utilise le bruit d’un memristor pour basculer entre signaux vocaux et signaux d’activité humaine

Quitter la comparaison

Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.

Original · anglais
KAIST neuron uses memristor noise to switch between speech and human-activity signals
Traduction · français
Le neurone de KAIST utilise le bruit d’un memristor pour basculer entre signaux vocaux et signaux d’activité humaine
Original · anglais
- A lab prototype uses tunable memristor noise to process signals at different speeds.
Traduction · français
- Un prototype de laboratoire utilise le bruit réglable d’un memristor pour traiter des signaux à différentes vitesses.
Original · anglais
- The same artificial neuron handled human activity and speech signals.
Traduction · français
- Le même neurone artificiel a traité des signaux d’activité humaine et des signaux vocaux.
Original · anglais
- It reached 94.8% and 95.0% accuracy in two recognition tasks.
Traduction · français
- Il a atteint une précision de 94,8 % et 95,0 % dans deux tâches de reconnaissance.
Original · anglais

A semiconductor circuit built to reject noise is being taught to use it instead. Researchers at KAIST have developed a programmable probabilistic neuron whose behavior changes when the resistance state of a memristor changes, allowing the same hardware to process signals that move at very different speeds.

Traduction · français

Un circuit à semi-conducteurs conçu pour rejeter le bruit apprend désormais à l’utiliser. Des chercheurs de KAIST ont développé un neurone probabiliste programmable dont le comportement change lorsque l’état de résistance d’un memristor est modifié, ce qui permet au même matériel de traiter des signaux évoluant à des vitesses très différentes.

Original · anglais

The mechanism borrows from biology. Human neurons do not fire identically every time because small internal fluctuations affect their response. In the KAIST device, current noise from the memristor creates similar variability: changing the resistance alters the noise’s amplitude and pattern, which changes the probability that the artificial neuron will produce a spike.

Traduction · français

Le mécanisme s’inspire de la biologie. Les neurones humains ne se déclenchent pas exactement de la même manière à chaque fois, car de petites fluctuations internes influencent leur réponse. Dans le dispositif de KAIST, le bruit du courant généré par le memristor produit une variabilité similaire : la modification de la résistance change l’amplitude et le profil du bruit, ce qui modifie la probabilité que le neurone artificiel produise un pic.

Original · anglais

That gives one circuit more than one operating range. Configured one way, it can respond to slowly changing human activity signals in the hertz range. Configured another way, it can capture fast speech signals in the kilohertz range. A kilohertz, or kHz, measures a signal repeating 1,000 times per second; hertz, or Hz, measures repetitions per second.

Traduction · français

Un même circuit dispose ainsi de plusieurs plages de fonctionnement. Configuré d’une manière, il peut répondre à des signaux d’activité humaine qui évoluent lentement, dans la plage des hertz. Configuré autrement, il peut capter des signaux vocaux rapides, dans la plage des kilohertz. Un kilohertz, ou kHz, mesure un signal qui se répète 1 000 fois par seconde ; le hertz, ou Hz, mesure le nombre de répétitions par seconde.

Original · anglais

The team tested the system on two tasks. It encoded and classified human activity signals with 94.8% accuracy and speech signals with 95.0% accuracy. Those figures come from the researchers’ demonstrations.

Traduction · français

L’équipe a testé le système sur deux tâches. Il a encodé et classé des signaux d’activité humaine avec une précision de 94,8 %, ainsi que des signaux vocaux avec une précision de 95,0 %. Ces chiffres proviennent des démonstrations réalisées par les chercheurs.

Original · anglais

So what changes in practice? A future low-power edge device—one that processes data close to a sensor rather than sending everything elsewhere—could potentially reuse the same neuromorphic hardware for different kinds of input. The technology is still at the laboratory stage, but its central move is concrete: instead of spending effort eliminating every fluctuation, designers could tune some of that noise to match the signal they need to understand.

Traduction · français

Qu’est-ce que cela change concrètement ? Un futur dispositif basse consommation en périphérie — qui traite les données à proximité d’un capteur plutôt que de tout envoyer ailleurs — pourrait potentiellement réutiliser le même matériel neuromorphique pour différents types de données. La technologie en est encore au stade du laboratoire, mais son idée centrale est concrète : plutôt que de consacrer des efforts à éliminer chaque fluctuation, les concepteurs pourraient régler une partie de ce bruit pour l’adapter au signal qu’ils cherchent à comprendre.

Revenir à l’article