Cet article présente l'électronique imprimée comme une alternative prometteuse aux systèmes à base de silicium pour les applications exigeant flexibilité, extensibilité, conformabilité et coûts de fabrication ultra-faibles. Malgré la taille importante de l'électronique imprimée, les réseaux de neurones imprimés (RN) ont suscité un intérêt considérable pour répondre aux exigences des applications cibles. Cependant, la mise en œuvre de circuits complexes reste difficile. Cette étude aborde l'écart entre précision de classification et efficacité surfacique dans les réseaux de neurones imprimés en abordant la conception et la co-optimisation de l'ensemble du système de proximité traitement-capteur, de l'interface analogique-numérique (un goulot d'étranglement majeur en termes de surface et de puissance) au classificateur numérique. Cet article propose un cadre automatisé pour la conception de réseaux de neurones ternaires imprimés avec une précision d'entrée arbitraire, utilisant l'optimisation multi-objectifs et l'approximation globale. Le circuit proposé surpasse les réseaux de neurones imprimés approximatifs conventionnels de 17 fois en moyenne en surface et de 59 fois en puissance, et est le premier à permettre un fonctionnement sur batterie imprimé avec une perte de précision inférieure à 5 % tout en tenant compte du coût de l'interface analogique-numérique.
