L'APPRENTISSAGE DANS LE RÉSEAU DE NEURONES PHOTONIQUES

ANALOG COMPUTATION IN SPIKING PHOTONIC NEURAL NETWORK

• Auteur / Autrice : Ria Talukder
• Direction : Daniel Brunner, Javier Porte
• Type : Projet de thèse
• Discipline(s) : Optique et photonique
• Date : Inscription en doctorat le 15/10/2020
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Franche Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies
• Partenaire(s) de recherche : Equipe de recherche : Département d'Optique

Mots clés

Mots clés libres

The optics of free space

Photonic neural network

Machine learning

Free space optics

Photonic neural network

Machine learning

Résumé

La mise en œuvre de réseaux neuronaux dans des substrats physiques est considérée comme l'un des défis les plus importants pour la prochaine génération de matériel informatique. Actuellement, les réseaux neuronaux sont la plupart du temps des imitations de systèmes sériels, numériques et électroniques. Cependant, d'un point de vue conceptuel, il s'agit de réseaux à grande échelle et entièrement parallèles d'éléments non linéaires. La photonique excelle dans la mise en œuvre de tels réseaux parallèles, et FEMTO-ST figure parmi les leaders mondiaux dans ce domaine à fort impact et à forte visibilité. domaine. Alors que la majorité des efforts sont consacrés au développement de la prochaine génération de matériel, les questions fondamentales concernant l'apprentissage dans ces systèmes restent sans réponse et, étonnamment, sont à peine prises en compte. Il s'agit d'une lacune stratégique, car l'apprentissage dans les systèmes bruyants et analogiques se comportera très probablement de manière très différente et nécessitera des stratégies spécifiquement développées pour ces systèmes. Mme Talukder étudiera la mise en œuvre de nouveaux concepts d'apprentissage par le biais d'expériences de validation de principe. Son projet est la réalisation de réseaux optiques comprenant des éléments non linéaires excitables créés par un modulateur spatial de lumière. Ces éléments seront ensuite interfacés avec un dispositif numérique à micro-miroirs avec lequel elle doit mettre en œuvre des poids contrôlables et programmables. Sur la base de ce mécanisme, elle étudiera les techniques d'optimisation inspirées de la neuro-inspiration. Le système sera appliqué au traitement d'images et, en cas de succès, à la reconnaissance d'objets.

The implementation of Neural Networks in physical substrates is considered one of the most important challenges for next generation computing hardware. Currently, Neural Networks are mostly emulated on serial, digital and electronic systems. However, conceptually they are large scale and fully parallel networks of nonlinear elements. Photonics excels at the implementation of such parallel networks, and FEMTO-ST is among the world leaders in this high impact and high visibility Field. While the majority of efforts is placed on the development of next generation hardware, fundamental questions regarding learning in such systems remain unanswered and are, surprisingly, hardly considered. This is a strategic shortcoming, since learning in noisy and analogue systems will most likely exhibit significantly different behaviour and requires strategies specifically developed for such systems. Ms. Talukder will explore the implementation of new learning concepts in proof of concepts experiments. Her project is the realization of optical networks comprising excitable nonlinear elements created via a spatial light modulator. These will then interface with a digital micromirror device with which she is to implement controllable and programmable weights. Based on this mechanism she will investigate neuro-inspired optimization techniques, and the system will be applied to image processing and if successful to object recognition.