La nouvelle science, en langage clair

Nature Communications  ·  6 novembre 2026  ·  Du numéro 63

Redundancy maximization as a principle of associative memory learning in Hopfield networks

Dans un modèle informatique, entraîner les unités de mémoire à se mettre d'accord a multiplié la capacité de stockage par plus de dix.

Mark Blümel, Andreas C. Schneider et al.

Un système de mémoire inspiré du cerveau peut stocker beaucoup plus de motifs quand ses éléments sont entraînés à se mettre d'accord entre eux. Ces systèmes, appelés réseaux de Hopfield, fonctionnent comme la mémoire d'un cerveau. Ils retrouvent un motif complet à partir d'un indice partiel. Des scientifiques ont examiné comment chaque petite unité combine deux signaux : un indice venu de l'extérieur et les signaux des autres unités. Quand les unités étaient entraînées à faire coïncider ces deux signaux, la limite de stockage du réseau est passée de 0,14 à 1,59 fois son nombre d'unités.

Le chiffre 1,59 fois la taille du réseau

La nouvelle limite de stockage mémoire, contre 0,14 dans les réseaux standards.

Simulation informatique uniquement, aucun vrai neurone ni appareil testé.

Contrôle d'intégrité : réussi (3 contrôles) Vérifié le 9 novembre 2026. Rétractation : aucune trace. Le DOI répond sur doi.org. Fiche de métadonnées trouvée (Nature Communications). Lire la source

Ce contrôle examine des signaux de processus. Il ne dit pas que les résultats sont exacts.

Cinq études vérifiées, en langage clair, gratuitement, tous les deux jours

Cinq études en accès libre dans chaque numéro, environ 15 e-mails par mois. Pas de spam. Partez en un clic.

Également dans le numéro 63 15 études
Autres articles dans Nature Communications