Instruments gravés pour détecter l'information physique non-triviale – Sensation

Les systèmes métrologiques sont précieux pour quantifier la physique du monde. Mais qu’utilise-t-on pour reconnaitre des motifs physiquement trop complexes ? Odeurs, essences, fragrances sont autant de notions sémantiques difficiles à discrétiser mais pourtant si intuitives à classer par le cerveau. Bien loin des standards de capteurs, un sens reste une architecture purement matérielle permettant d’identifier des classes physiquement très complexes, des stimuli indéfinissables, des environnements inconnus. « Sensation » suggère de ne pas attendre l’instant chimérique ou on inventera autant de capteurs que de molécules synthétiques, et propose d’étudier la capacité d’un composant à reconnaitre des odeurs constitutivement complexes, sans logiciel ni programme. A l’aide de microcomposants hybrides à la fois sensibles à l’environnement et capable de s’interconnecter à la manière des dendrites et synapses de nos neurones, l’objectif est d’étudier leur mise en réseau et stimulation pour classer des odeurs sur une échelle hédonique. Des dispositifs électrochimiques aux polymères conducteurs seront d’une part designés afin de mimer les comportements de notre cerveau, et d’autre part les matériaux seront sélectionnés pour leur multi-chimio-spécificité sur la couche d’entrée d’un système multicouche, intégrés sur moins de 10 mm². Grace à nos résultats préliminaires sur la morphogénèse dendritique des transistors organiques électrochimiques, et l’analyse multivariée de la chimio-spécificité versatile des polymères semi-conducteurs dopés pour reconnaitre des solvants de base, la finalité de la mission est d’utiliser l’électronique organique en tant que brique technologique unique pour réaliser un composant se comportant comme un nez à l’échelle du projet. En tant que système autonome dans la génération et la gestion de l’information, la création d’une architecture matérielle autonome et invulnérable est avant tout un enjeu sociétal, pour l’acceptabilité d’une IA trop intrusive.