Calcul photonique avec des micropiliers excitables couplés et prédiction d'événements extrêmes dans des microcavités lasers
Auteur / Autrice : | Venkata Anirudh Pammi |
Direction : | Sylvain Barbay |
Type : | Thèse de doctorat |
Discipline(s) : | Physique |
Date : | Soutenance le 20/09/2021 |
Etablissement(s) : | université Paris-Saclay |
Ecole(s) doctorale(s) : | École doctorale Ondes et matière (Orsay, Essonne ; 2015-....) |
Partenaire(s) de recherche : | Laboratoire : Centre de nanosciences et de nanotechnologies (Palaiseau, Essonne ; 2016-....) |
référent : Faculté des sciences d'Orsay | |
graduate school : Université Paris-Saclay. Graduate School Physique (2020-....) | |
Jury : | Président / Présidente : Massimo Giudici |
Examinateurs / Examinatrices : Marc Sciamanna, Daniel Brunner, Alice Mizrahi, Peter Bienstman | |
Rapporteurs / Rapporteuses : Marc Sciamanna, Daniel Brunner |
Mots clés
Résumé
Dans la première partie de la thèse, nous présentons des résultats expérimentaux et numériques sur le calcul neuromorphique photonique obtenus avec des micropiliers lasers excitables (impulsionnels ou "spiking") couplés. La dynamique des lasers excitables présente plusieurs similitudes avec celle des neurones biologiques, tout en possédant des échelles de temps beaucoup plus rapides. Cela nous permet d’appliquer certains concepts de calcul inspirés des neurosciences directement aux micropiliers lasers, ouvrant ainsi la voie à de nouveaux substrats neuromorphiques en photonique. Les micropiliers lasers peuvent être couplés soit par rétroaction optique retardée, soit spatialement. Dans le cas d’une rétroaction optique retardée, nous montrons que le système supporte des trains régénératifs d’impulsions qui peuvent être manipulés (inscrits, effacés, déplacés) avec des perturbations optiques uniques. Au temps court, le système se comporte comme une mémoire tampon optique préservant l’information temporelle sur la séquence de perturbations initiales. Cependant, nous démontrons que dans le long terme, toute séquence d’impulsions arbitraires inscrite doit converger vers l’un des états multistables accessibles au système. Les états multistables sont des trains d’impulsions réguliers et périodiques ou à symétrie temporelle brisée, en fonction des paramètres physiques du micropilier laser. Les états à symétrie temporelle brisée apparaissent comme des séquences d’impulsions non régulières qui peuvent être contrôlées expérimentalement. Le comportement asymptotique des états multistables peut être utilisé pour construire des mémoires adressables par leur contenu, comme celles basées sur les réseaux de Hopfield. Nous présentons également des résultats expérimentaux sur la dynamique de polarisation des impulsions excitables émises par les micropiliers lasers avec et sans rétroaction, ouvrant la voie à l’utilisation du degré de liberté de polarisation pour le traitement neuromorphique. Dans le cas des micropiliers couplés spatialement, nous introduisons et étudions numériquement des circuits intégrables sur puce capables d’effectuer des opérations en logique excitable, de reconnaître des séquences temporelles d’impulsions et de générer des trains d’impulsions périodiques. Enfin, nous présentons un algorithme de reconnaissance de caractères utilisant un codage basé sur l’ordre temporel d’émission des impulsions dans un ensemble de micropiliers lasers. La deuxième partie de la thèse est consacrée à la prédiction numérique de l’occurrence d’événements extrêmes à l’aide de techniques d’apprentissage automatique et utilisant des données expérimentales obtenues dans un laser à semi-conducteurs en régime de chaos spatio-temporel. La prédiction se base sur une connaissance partielle du champ spatio-temporel dans le laser et sur l’identification de précurseurs. Les précurseurs ont été identifiés grâce à l’entropie de transfert. En utilisant des techniques d’apprentissage automatique, nous avons pu prévoir les événements extrêmes avec une grande précision en utilisant des données de précurseurs provenant d’une région spatialement déconnectée du lieu de l’événement extrême. L’horizon de prédiction ainsi obtenu va au-delà des échelles de corrélations spatiale et temporelle présentes dans les données initiales.