Sylvain Saïghi est enseignant-chercheur en électronique au sein du laboratoire IMS (Intégration du matériau au système - CNRS, Université de Bordeaux et Bordeaux Aquitaine INP). Il travaille sur des systèmes électroniques et informatiques neuromorphiques, c’est-à-dire s’inspirant du système nerveux humain. Depuis sa thèse, il conçoit ainsi des réseaux de neurones artificiels imitant le fonctionnement des cellules nerveuses et des synapses. Après avoir travaillé en interaction avec le vivant (en particulier avec des neurones en culture), il cherche aujourd’hui à améliorer les solutions d’intelligence artificielle, notamment pour répondre au défi sociétal que représente leur consommation énergétique. Depuis 2021, il porte la chaire Green IA de l’université de Bordeaux d’une durée de 5 ans destinée à concevoir des systèmes d’IA basse consommation.

Les recherches de Sylvain Saïghi portent sur :

• Le support matériel pour le calcul de l’intelligence artificielle. Il développe des solutions de machine learning, plus sobres que celles de deep learning, en créant des réseaux de neurones matériels. Il conçoit ainsi des puces électroniques équipées de nanocomposants permettant d’effectuer des calculs intégrant la dimension temporelle grâce, notamment, aux memristors, sortes de synapses électroniques.
• Grâce à cette nouvelle façon de concevoir l’intelligence artificielle, Sylvain Saïghi et son équipe travaillent sur des capteurs « intelligents » traitant directement l’information qu’ils perçoivent. Cela permet de réduire le flux de données transitant entre les capteurs et l’ordinateur central qui réalise le calcul final et envoie le résultat à l’utilisateur. Cette méthode du edge computing permet de concevoir, par exemple, un microphone neuromorphique pouvant reconnaître des mots ou une caméra détectant d’elle-même les piétons.

Références

• Interview de Sylvain Saïghi - Émission spéciale NAIA.R (TV 7, 12/01/2022)
• L’université de Bordeaux combine IA et développement durable (Antoine Tinel, Sud Ouest, 06/12/2021)
• Memristor : le chaînon manquant de l’informatique grand public (Science et Vie, 20/12/2017)

• « Des chercheur.e.s vous parlent de leurs imPOSSIBLES – Électronique » dans le cadre de la Nuit Européenne des Chercheur.e.s (Cosciences, 27/09/2017)​​​​​

• Andrew Ross, Nathan Leroux, Arnaud De Riz, Danijela Marković, Dédalo Sanz-Hernández et al., Multilayer spintronic neural networks with radiofrequency connections, Nature Nanotechnology, Jul 27 2023
• Boyn, S., Grollier, J., Lecerf, G. et al. Learning through ferroelectric domain dynamics in solid-state synapses. Nat Commun 8, 14736 (2017).
• Saïghi Sylvain, Mayr Christian G., Serrano-Gotarredona Teresa, Schmidt Heidemarie, Lecerf Gwendal, et al., Plasticity in memristive devices for spiking neural networks, Frontiers in Neuroscience, 9, pp.51, 2015
• Giacomo Indiveri, Bernabé Linares-Barranco, Tara Julia Hamilton, André van Schaik, Ralph Etienne-Cummings, et al., Neuromorphic silicon neuron circuits, Frontiers in Neuroscience, pp.1-23, 2011
• Sylvain Saïghi, Yannick Bornat, Jean Tomas, Gwendal Le Masson et Sylvie Renaud, A Library of Analog Operators Based on the Hodgkin-Huxley Formalism for the Design of Tunable, Real-Time, Silicon Neurons, IEEE Transactions on Biomedical Circuits and Systems, vol. 5, no. 1, pp. 3-19, Feb, 2011