Des chercheurs de l'ETH Zurich ont fabriqué des diodes électroluminescentes organiques à l'échelle nanométrique et réduit la taille des pixels de plusieurs ordres de grandeur. L'équipe, dirigée par Chih-Jen Shih, a mis au point un procédé qui permet d'obtenir des pixels d'un diamètre aussi petit que 100 nanomètres, soit environ 50 fois plus petits que les pixels OLED actuels. Tommaso Marcato souligne qu'en une seule étape la densité maximale de pixels est désormais d'environ 2500 fois supérieure à auparavant.
Les chercheurs ont montré un logo de l'ETH composé de 2,800 nano-OLEDs ; le logo a une taille comparable à celle d'une cellule humaine. La plupart des pixels mesurent environ 200 nanomètres (0,2 micromètre) et les plus petits atteignent 100 nanomètres. Lorsque des pixels sont plus proches que la moitié de la longueur d'onde de la lumière, leurs ondes interagissent au lieu de se comporter indépendamment. Pour la lumière visible, cette limite de diffraction se situe entre environ 200 et 400 nanomètres, et l'équipe exploite ces interactions pour diriger la lumière émise selon des angles précis.
Les chercheurs ont utilisé des membranes en nitrure de silicium comme gabarits très fins ; ces membranes peuvent être fabriquées environ 3,000 fois plus fines que d'anciens masques métalliques et être intégrées aux procédés standards de lithographie pour la production de puces. Les applications envisagées vont des lunettes à très haute résolution aux sources lumineuses pour microscopes, et même à des capteurs capables de détecter des signaux de cellules nerveuses individuelles.
Le travail s'inscrit dans une Consolidator Grant attribuée à Shih en 2024 par la Fondation nationale suisse pour la science (SNSF). L'équipe optimise la méthode et vise à contrôler chaque nano-pixel individuellement. Les étapes possibles pour l'avenir incluent :
- optiques à réseau de phases,
- mini lasers,
- et des « meta‑pixels » groupés pouvant former des images 3D autour des observateurs.
Mots difficiles
- diode électroluminescente organique — élément électronique qui émet de la lumièrediodes électroluminescentes organiques
- nanométrique — qui concerne des dimensions de l'ordre du nanomètre
- pixel — plus petite unité d'image sur un écranpixels, nano-pixel
- diffraction — phénomène où la lumière change de direction
- membrane — feuille très fine utilisée comme gabaritmembranes
- nitrure de silicium — matériau dur utilisé pour fabriquer des membranes
- lithographie — technique pour créer des motifs sur des puces
- longueur d'onde — distance entre deux crêtes d'une onde
Astuce : survolez, mettez le focus ou touchez les mots en surbrillance dans l’article pour voir des définitions rapides pendant que vous lisez ou écoutez.
Questions de discussion
- Quels avantages et quelles difficultés voyez-vous à contrôler chaque nano-pixel individuellement ?
- Comment l'exploitation des interactions entre ondes pourrait-elle changer les écrans du futur ?
- Parmi les applications évoquées (lunettes haute résolution, microscopes, capteurs de neurones), laquelle vous semble la plus réaliste à court terme et pourquoi ?
Articles liés
La cybersécurité au sommet UA‑UE de Luanda
Les menaces numériques ont été au centre des échanges entre l'Union africaine et l'Union européenne à Luanda. Les journalistes subissent des logiciels espions et la région fait face à des cyberattaques massives et à un besoin d'investissements.
Des camps d'été au Cameroun pour apprendre la technologie
Pendant les vacances d'été, de nombreux parents au Cameroun inscrivent leurs enfants à des camps de codage, robotique et intelligence artificielle. Les activités se terminent par des démonstrations et des projets concrets réalisés par les enfants.
L'IA peut être biaisée à cause de la complexité du monde réel
Une recherche de l'Université du Texas à Austin montre que de nombreux biais d'IA viennent de l'incapacité des modèles à représenter des situations réelles complexes. Les auteurs recommandent d'ouvrir les boîtes noires et d'impliquer des acteurs divers.
L'IA favorise l'anglais, selon une étude
Une étude de 2025 du Stanford HAI montre que de nombreux grands modèles de langage donnent de mauvais résultats dans des langues autres que l'anglais. Cela exclut des communautés et des experts proposent de valider les données et de travailler avec les locaux.