Réseaux de nanolasers couplés comme supports pour le calcul neuromorphique photonique

Dans la quête des systèmes d’intelligence artificielle économes en énergie, le calcul neuromorphique photonique offre une alternative intéressante aux réseaux neuronaux artificiels traditionnels. En effet, une architecture neuromorphique classique est composée d’un grand nombre de neurones organisés en couches, dont les dimensions ne cessent d’augmenter, au prix d’un impact énergétique croissant. Dans ce contexte, les dispositifs photoniques, comme les nanolasers à semi-conducteurs, sont des systèmes prometteurs de par leur faible consommation d'énergie et leur vitesse de fonctionnement élevée. Cependant, la robustesse de tels systèmes vis-à-vis des perturbations extérieures reste un défi majeur à relever pour garantir un traitement de l’information avec une haute fidélité.

Ces recherches ont été menées dans le laboratoire CNRS suivant :

• Laboratoire Photonique Numérique & Nanosciences (LP2N, CNRS/Institut d'Optique Graduate School/Université de Bordeaux)

Dans une étude récente, des chercheurs et chercheuses ont démontré expérimentalement qu'un réseau de faible dimension, composé de nanolasers couplés, agissant comme une couche cachée photonique, peut intrinsèquement exécuter des tâches de classification non triviales, telles la porte logique XNOR (qui teste l’égalité entre deux bits qui lui sont présentés). La complexité de cette tâche ne peut être résolue par un réseau de neurones à couche unique, quelle que soit sa taille. La robustesse de la couche photonique est assurée par l’excitation des modes dits « modes zéro », dont la spécificité est d’être « protégés » notamment des imperfections de fabrication agissant sur leurs paramètres de couplage. L’approche repose sur une architecture hybride, où une couche neuronale numérique est utilisée pour optimiser la mise en forme des données qui sont projetées sur la couche photonique. Les chercheurs ont ainsi pu démontrer la faisabilité de tâches de classification binaire par un système hybride neuromorphique avec une grande précision.

L'équipe a ensuite validé la puissance de calcul de leur architecture photonique en classant des chiffres manuscrits hautement compressés, dont les limites entre les classes se chevauchaient fortement. Ces résultats soulignent le potentiel des architectures photoniques reposant sur la symétrie et la topologie des réseaux couplés pour optimiser la dimension des couches cachées, ouvrant la voie à des systèmes neuromorphiques compacts et économes en énergie. Ces résultats sont publiés dans la revue Nature Communications.