Une étude étend les réseaux neuronaux optiques au domaine temporel

Une étude rapportée par ScienMag décrit une architecture de réseau neuronal qui effectue ses calculs entièrement avec de la lumière, tout en traitant des informations qui évoluent au fil du temps. Publiés dans Light: Science & Applications, ces travaux étendent l’informatique optique diffractive au-delà des motifs statiques et bidimensionnels utilisés par de nombreux systèmes antérieurs.

Le cadre proposé par les chercheurs contrôle un champ lumineux de deux façons simultanément : en modelant sa répartition dans l’espace et en dirigeant la manière dont ce champ évolue au cours du temps. Il vise ainsi à permettre aux réseaux optiques de traiter des formes d’onde et des séquences sans envoyer les données à un processeur électronique entre les différentes étapes.

Des motifs spatiaux aux signaux évolutifs

Les réseaux neuronaux diffractifs utilisent une série de couches optiques minces. Leurs propriétés de transmission ou de réflexion sont définies au cours d’un processus d’apprentissage informatisé. Une fois que la lumière pénètre dans la structure entraînée, elle se propage d’une couche à l’autre. La diffraction et les interférences qui en résultent effectuent des opérations analogues aux connexions pondérées d’un réseau neuronal artificiel.

Cette configuration permet au calcul direct du réseau de s’effectuer tandis que la lumière se propage à travers les couches. Contrairement aux systèmes électroniques classiques, le dispositif optique n’a pas besoin d’effectuer une multiplication numérique distincte à chaque connexion. Les premières versions fonctionnaient toutefois généralement sur une image unique ou sur un autre motif spatial fixe. Elles pouvaient transformer ou classer des informations réparties sur une surface, mais ne prenaient pas naturellement en compte l’évolution d’un signal au fil du temps.

Cette limite est importante, car de nombreuses données utiles ne sont pas des images fixes. Les données de communication peuvent arriver sous la forme de formes d’onde optiques variables, tandis que les signaux biologiques et les scènes en mouvement contiennent eux aussi des informations dans leur comportement temporel. Un mot prononcé, par exemple, dépend d’une séquence de changements plutôt que d’un instantané isolé.

La nouvelle conception considère le champ optique comme variant à la fois selon la position et selon le temps. Ses couches sont donc plus que de simples masques spatiaux : elles sont destinées à modifier la relation entre différentes parties d’un champ variant dans le temps, au fur et à mesure que ces composantes se propagent et interfèrent. Le motif lumineux final peut alors représenter une réponse, telle qu’un résultat de classification ou une forme d’onde transformée.

La lumière comme support de calcul

Le réseau est entraîné numériquement. Des modèles de propagation des ondes sont combinés à des méthodes d’apprentissage automatique, et les propriétés des couches sont ajustées à plusieurs reprises afin de réduire l’écart entre la sortie du système et le résultat souhaité. Après l’entraînement, ces paramètres sont attribués à des éléments optiques physiques.

En fonctionnement, le cadre est conçu pour effectuer l’inférence de manière passive. Cela le distingue des systèmes hybrides dans lesquels l’optique n’effectue qu’une partie du calcul avant que l’électronique ne prenne le relais. Dans le parcours entièrement optique proposé, la propagation, la diffraction et les interférences de la lumière constituent le calcul lui-même.

L’ajout de la dimension temporelle pourrait permettre au système de combiner des informations sur une fenêtre donnée plutôt que de traiter chaque instant indépendamment. Selon le compte rendu de ScienMag, un tel réseau pourrait potentiellement effectuer un filtrage temporel, des corrélations et une reconnaissance de séquences grâce au comportement de la lumière lorsqu’elle se déplace dans la structure. Cela ouvre la possibilité d’analyser des données en flux dès le début d’un système de détection ou de communication, avant que le signal ne soit converti au format électronique.

Cette approche s’appuie également sur plusieurs propriétés de la lumière susceptibles de véhiculer de l’information, notamment la structure spatiale, la longueur d’onde, la polarisation et le profil temporel. L’étude se concentre sur le contrôle conjoint de l’espace et du temps, un domaine de la recherche optique qui a permis de concevoir des impulsions et d’autres motifs lumineux dont le comportement est délibérément modelé au cours de la propagation.

Avantages potentiels et obstacles persistants

La consommation d’énergie est l’une des principales raisons de l’intérêt porté aux réseaux neuronaux optiques. Le matériel électronique d’IA peut consommer une puissance considérable pour déplacer les données entre la mémoire et les unités de traitement, en plus d’effectuer les opérations mathématiques nécessaires à l’inférence. Un réseau neuronal optique diffractif réalise ses transformations grâce au déplacement et aux interférences de la lumière ; le coût de fonctionnement est donc principalement lié à la production et à la détection de la lumière, plutôt qu’à un calcul électronique effectué à chaque connexion.

L’extension temporelle pourrait rendre cet avantage pertinent pour un éventail plus large de tâches, notamment dans les communications optiques, où l’information circule déjà sous la forme d’une lumière modulée. Éviter les conversions répétées entre formats optique et électronique pourrait également permettre un traitement très rapide. Pour les dispositifs compacts, le temps nécessaire à la lumière pour traverser le réseau pourrait se mesurer en picosecondes, même si les performances pratiques d’un système complet dépendraient de ses composants et de ses détecteurs.

Ces travaux sont présentés comme un cadre de conception et une base pour de futures réalisations, plutôt que comme un produit fini. La fabrication de couches physiques capables d’imposer avec précision les changements requis à une lumière variant rapidement sera difficile. L’alignement, la précision de fabrication et la bande passante des détecteurs pourraient tous influer sur la capacité d’un dispositif à fonctionner comme le prévoit son modèle entraîné.

ScienMag rapporte que l’étude établit les principes et une méthodologie pour les réseaux neuronaux diffractifs spatiotemporels. Des travaux supplémentaires seront nécessaires pour transformer ces principes en systèmes couvrant différentes gammes de fréquences optiques et plateformes matérielles, mais ce cadre élargit le rôle potentiel de l’optique passive dans le traitement des informations dynamiques.