Note publique d'information : Depuis ces dernières années, l'intelligence artificielle et plus particulièrement
les réseaux de neurones jouent un rôle important dans nos sociétés.Cependant, les
réseaux neuronaux sont émulés par ordinateurs, entraînant des problèmes complexes
tels que la parallélisation, l'efficacité énergétique et potentiellement la vitesse
des systèmes.Un changement de paradigme est alors souhaitable, mais la mise en oeuvre
de réseaux de neurones textit{hardware} reste un réel défi.Les réseaux neuronaux optiques
constituent une piste très prometteuse, permettant potentiellement de résoudre la
difficulté de la parallélisation.Nous avons expérimentalement conçu le premier réseau
spatial où les neurones et les connexions sont matériellement et parallèlement réalisés,
nous permettant ainsi d'effectuer des expériences singulières.Ce réseau électro-optique
est composé de 961 neurones.Les connexions neuronales réalisées par diffraction optique
offrent au système une grande capacité d'évolution.L'architecture du réseau est basée
sur le concept de textit{reservoir computing}, l'apprentissage consiste alors uniquement
à optimiser les poids des connexion de sortie.La couche de sortie est réalisée par
un dispositif à micro-miroir numérique, qui, une fois entraînée, présente l'avantage
d'être totalement parallèle, passif, sans limitation de bande passante et donc ne
consomme pas d'énergie.En utilisant une version optimisée d'un apprentissage évolutif,
nous constatons que celui-ci converge parfaitement et son temps d'entraînement est
linéaire avec la taille du réseau.Enfin, les principes fondamentaux d'un réseau de
neurones tout optique ont été étudiées.Les neurones sont réalisés via une matrice
de micro-piliers lasers à quantum dots.Une étude approfondie du pompage optique des
micro-piliers lasers, offrant à terme une grande capacité d'évolution au réseau, a
révélé une efficacité de pompage suffisamment élevée pour faire fonctionner de manière
réaliste une centaine de neurones simultanément.
Note publique d'information : Since recent years artificial intelligence and more particularly neural networks play
a major role in our technological societies.Nevertheless, neural networks still remain
emulated by traditional computers, resulting in challenging problems such as parallelization,
energy efficiency and potentially speed.A change of paradigm is desirable but implementing
neural networks in hardware is a non-trivial challenge.One promising avenue is optical
neural networks, potentially avoiding parallelization bottlenecks.We experimentally
implemented the first system where nodes and connections are implemented in parallel
hardware, and we exploit our novel system for unique experiments.The electro-optical
neural network is composed of up to 961 neurons.Connections between neurons are implemented
in fully parallel by optical diffraction, offering highly advantageous scalability.The
network's architecture is based on the principle of reservoir computing, therefore
the number of readout weights to be trained is simply the nodes number.The trainable
output layer is realized by a digital micro-mirror device, which, once trained, has
the advantage of being fully parallel, passive, and therefore without bandwidth limitation
and energy consumption.Using a textit{Greedy} evolutionary learning, we find that
the learning excellently converges.Furthermore, it appears to possess a conveniently
convex-like cost-function and demonstrates exceptional scalability of the learning
effort with system size.Finally, the fundamental bases of an all-optical neural network
have been studied.Neurons will be implemented in an array of quantum dots micropillar
lasers optically coupled.An in-depth study of the optical pumping of micropillar lasers,
ultimately allowing a highly scalable system, has revealed a pumping efficiency high
enough to realistically operate around a hundred neurons simultaneously.
paprika.idref.fr
data.idref.fr
Documentation
