Contrôle du champ laser d'une source à fibre multimodale par apprentissage machine

Control of the Laser Field from a Multimode Fiber Source using Machine Learning

• Auteur / Autrice : Benjamin Gobe
• Direction : Vincent Kermene, Agnes Desfarges berthelemot
• Type : Projet de thèse
• Discipline(s) : Sciences et ingénierie pour l'information
• Date : Inscription en doctorat le 24/02/2021
• Etablissement(s) : Limoges
• Ecole(s) doctorale(s) : Sciences et Ingénierie
• Partenaire(s) de recherche : Laboratoire : XLIM
• Partenaire(s) de recherche : Equipe de recherche : XLIM PHOT - Photonique fibre et sources cohérentes

Mots clés

Mots clés libres

Photonique

Apprentissage profond

Fibre Optique

Laser

Apprentissage machine

Modélisation

Photonics

Deep learning

Fiber Optics

Laser

Machine Learning

Modeling

Résumé

Le sujet de thèse s'inscrit dans le cadre d'un projet pluridisciplinaire associant les différents domaines scientifiques que sont la Photonique, les Mathématiques et l'Informatique. Il s'agit d'étudier l'apport de l'apprentissage profond ou automatique au contrôle de l'émission de sources lasers impulsionnelles brèves. Le doctorant, lors de ses travaux de recherche, devra mettre en place et exploiter les outils numériques que sont les réseaux de neurones et l'apprentissage profond pour contrôler les caractéristiques d'émission de systèmes lasers basés sur l'association de fibres optiques multimodales et de modulateurs spatiaux de lumière. Il s'agira d'une part de mieux comprendre les mécanismes complexes de couplages spatiotemporels qui apparaissent dans un guide multimode en régime non-linéaire et de déterminer s'ils peuvent être représentés par un réseau de neurones. D'autre part, il s'agira de développer une véritable plateforme programmable de mise en forme spatiotemporelle de faisceaux lasers issus d'une fibre optique multimode. Ces travaux sont à la croisée des domaines de la photonique et du numérique et auront une aussi forte coloration expérimentale que numérique.

The thesis is part of a multi-disciplinary project involving Photonics, Mathematics and Computer Science. The aim is to study the contribution of deep or automatic learning to controlling the emission of short pulsed laser sources. The PhD student's research will involve implementing and exploiting digital tools such as neural networks and deep learning to control the emission characteristics of laser systems based on the combination of multimodal optical fibers and spatial light modulators. The aim is to gain a better understanding of the complex spatiotemporal coupling mechanisms that appear in a multimode guide in the nonlinear regime, and to determine whether they can be represented by a neural network. On the other hand, the aim is to develop a truly programmable platform for spatiotemporal shaping of laser beams from a multimode optical fiber. This work is at the crossroads of photonics and digital technology, and will have both an experimental and a numerical dimension.