Une étude récente a montré que les scientifiques peuvent créer un réseau combinant atomes et photons, ce qui pourrait améliorer la manière dont les systèmes d'intelligence artificielle (IA) stockent et rappellent des informations. Ce réseau, connu sous le nom de verre magnétique spin-optique, fonctionne comme une mémoire associative — un type d'IA capable de récupérer des souvenirs complets à partir d'informations partielles ou incomplètes. Publié dans le journal Science, cette recherche met en évidence que ce nouveau système peut stocker et rappeler plus d'informations que les réseaux d'IA traditionnels de la même taille. De plus, le réseau a montré une plasticité à court terme, une propriété similaire à celle qui permet aux connexions entre neurones dans le cerveau humain de changer lors de l'apprentissage d'informations nouvelles. « Nous pouvons maintenant créer des réseaux de neurones au niveau atomique, et ils s'ajustent de manière quelque peu similaire à celle que nous pensons être celle dont notre cerveau apprend », a déclaré Benjamin Lev, auteur principal de l'étude et professeur de physique à l'Université de Stanford. Un verre magnétique est un type de matériau dans lequel les atomes sont dans un état de frustration, ce qui signifie que leurs orientations magnétiques ne sont pas alignées de manière uniforme. Dans un aimant typique, toutes les orientations magnétiques des atomes — appelées spins — pointent dans la même direction, soit vers le haut soit vers le bas. Dans un verre magnétique, cependant, ces spins sont désordonnés, de la même manière que les atomes dans le verre ordinaire sont organisés dans une structure solide apparente mais présentent un désordre fluide au niveau atomique. Ce concept a été exploré pour la première fois dans les années 1980 par le physicien John Hopfield, qui a utilisé les propriétés des verres magnétiques pour créer un modèle mathématique de stockage de mémoire. Le modèle de Hopfield a montré qu'un réseau de spins pouvait stocker et rappeler des informations, de manière similaire à la façon dont le cerveau rappelle des souvenirs. Il a reçu le prix Nobel de physique de 2024 pour ce travail, qui a influencé la manière dont des systèmes d'IA comme ChatGPT traitent le langage. Cependant, le modèle de Hopfield a ses limites. Lorsque le réseau contient trop de souvenirs, il devient trop complexe et ne parvient plus à rappeler correctement les informations. Cela est dû au fait que le système passe dans un état de verre magnétique, où le paysage énergétique devient trop encombré. Dans cette nouvelle étude, Lev et son équipe ont trouvé un moyen d'utiliser un état de verre magnétique comme une mémoire associative efficace en le construisant à partir d'atomes et de photons. En utilisant des effets spin-optiques — où les atomes absorbent et émettent de la lumière — le réseau pouvait toujours rappeler des souvenirs même dans cet état frustré, dépassant ainsi les limites du réseau de Hopfield. Ce verre magnétique spin-optique a été d'abord réalisé expérimentalement en 2025, mais cette étude a poussé la recherche plus loin en l'utilisant comme une mémoire associative. Les chercheurs ont utilisé des pinces à laser pour créer un réseau de gaz atomiques dans une cavité optique, qui agit comme un piège pour la lumière entre deux miroirs courbés. Ces gaz, appelés condensats de Bose-Einstein, se composent de milliers d'atomes dans un état quantique particulier qui se comportent comme un seul atome super. Des photons ont été envoyés dans la cavité, rebondissant entre les miroirs et reliant les atomes de manière similaire à la façon dont les synapses relient les neurones dans le cerveau. Ce processus a permis au réseau de stocker et de rappeler des souvenirs de manière plus efficace. Le verre magnétique spin-optique a démontré une capacité de mémoire jusqu'à sept fois supérieure à celle d'un réseau de Hopfield traditionnel avec le même nombre de spins. L'étude a également montré que les photons pouvaient influencer les atomes pour créer un type de plasticité, permettant au réseau de s'adapter et de changer, tout comme le cerveau humain. La recherche est à ses débuts, et l'équipe travaille à l'expansion du système pour inclure davantage de spins et d'intrication quantique. « Cela nous apprend un peu plus sur la manière dont les systèmes physiques peuvent calculer, non seulement avec les lois classiques de la physique, mais aussi avec les lois quantiques », a déclaré Lev. Bien que l'étude ouvre la voie à un matériel d'IA plus efficace, les chercheurs sont tout aussi intéressés à comprendre comment les systèmes naturels effectuent des calculs. « C'est bien de viser ces applications, mais nous faisons aussi cela parce que nous voulons en savoir plus sur la manière dont la nature fonctionne », a ajouté Lev.