ANR · 2021
BAYOEN — Inférence bayésienne avec des transistors électrochimiques organiques pour capteurs neuromorphiques
Le projet BAYOEN vise à développer un circuit bio-inspiré en électronique organique, peu coûteux, écologique, faible consommation et compatible avec les technologies flexibles, qui réalise un réseau bayésien pour des capteurs autonomes intelligents dédiés aux signaux ECG. Les réseaux bayésiens sont fondés sur une représentation probabiliste des connaissances incertaines. Le projet BAYOEN met en œuvre un paradigme de calcul stochastique d’inférence bayésienne, implémenté par des circuits économes en nombre de transistors grâce aux nouvelles propriétés des transistors électrochimiques organiques (OECT). Dans son volet de codage, le projet propose une méthodologie de transformation d’électrocardiogramme (ECG) en bitstreams stochastiques, représentant les probabilités de différentes anomalies cardiovasculaires, grâce à la simulation de neurones impulsionnels. Le composant original considéré utilise ces bitstreams pour réaliser une classification bayésienne par un circuit d'OECT. Les principales parties du projet comprennent : 1) la conception des circuits et l'optimisation des propriétés matérielles des OECT, 2) la fabrication des circuits OECT, 3) les simulations des neurones couplés pour générer les bitstreams stochastiques, 4) la mise en œuvre de l'inférence bayésienne dans un circuit à base d’OECT. Ce projet est une collaboration entre le Centre de Nanosciences et Nanotechnologies (C2N) de l'Université Paris-Saclay d’une part, qui se concentre sur les composants de calcul et la conception de circuits, et l'IAPP de TU-Dresden d’autre part, qui apporte son expertise dans la fabrication de dispositifs OECT et de circuits. Le budget du projet est principalement dédié au financement de deux doctorants et de leurs recherches. Le projet BAYOEN aborde plusieurs enjeux sociétaux dans les stratégies d’IA allemandes et françaises, notamment de nouvelles architectures matérielles pour l'IA, l'IA verte, l'IA pour améliorer les soins, la santé et la protection des données de santé personnelles.
Structures participantes de Université Paris-Saclay
Provenance des données
Sources : scanR. Données consolidées le 27/10/2026. Une erreur ? Elle se corrige dans la source d’origine (HAL, RNSR, annuaire) ; voir comment.