La lumière en artiste : une fibre optique apprend à reconnaître des chiffres ✛

‹›

Une impulsion laser entre dans une fibre optique et, en 70 mètres, se transforme en machine à calculer. La lumière qui traverse la fibre est comme un artiste mélangeant des couleurs sur sa palette : chaque composante spectrale, chaque effet non linéaire ajoute sa teinte au tableau final. C'est ainsi qu'une machine à apprentissage extrême photonique reconnaît des chiffres manuscrits.

Au cœur de cette machine se trouve l'équation de Schrödinger non linéaire généralisée, qui décrit la propagation d'impulsions ultracourtes. Elle prend en compte la dispersion jusqu'au quatrième ordre, la non-linéarité de Kerr et la réponse Raman de la silice fondue. L'image 28×28 est réduite à un vecteur de longueur M (par exemple, 10×10=100) et codée dans la phase spectrale ou l'amplitude d'une impulsion dont le spectre a une largeur de 30 nm. Après la traversée de la fibre, le spectre de sortie est convolué avec une fonction de réponse gaussienne de largeur 1 nm, et un bruit de fond de -30 dB est ajouté. L'apprentissage de l'ELM se réduit à une pseudo-inversion de la matrice de la couche cachée par la méthode de Moore-Penrose, ce qui ne nécessite pas de rétropropagation de l'erreur.

Les chiffres parlent d'eux-mêmes. En dispersion anormale (régime solitonique), la précision de test atteint 90.9 % avec N=10 et une fibre de 70 m, tandis qu'en dispersion normale elle atteint 92.9 % avec N=10 et 40 m. La dispersion normale offre un gain d'environ 3 % grâce à une moindre sensibilité au bruit. Un modèle idéal, sans bruit quantique ni bruit de lecture, montre une limite supérieure de 96.7 % (dispersion normale) et 95.0 % (dispersion anormale). L'ajout du seul bruit quantique réduit la précision à 94.8 % et 91.9 % respectivement, ce qui révèle une pénalité inévitable. Augmenter la non-linéarité (paramètre N) et la longueur de la fibre améliore d'abord les résultats, mais au-delà du seuil de fission solitonique, la précision peut chuter. La profondeur optimale de modulation de phase est de 0.25π, celle de modulation d'amplitude de 0.5. Même en réduisant l'image à 7×7 pixels, la précision approche 90 %.

Le bruit quantique, ces fluctuations aléatoires dues au caractère discret des photons, s'est révélé non pas un détail technique mais une limitation fondamentale. Cela place ce travail dans la lignée des tentatives d'utiliser l'optique non linéaire comme ressource de calcul, mais avec un niveau de détail sans précédent. Pour la première fois, les contributions de la dynamique non linéaire, des paramètres de codage et des bruits aux performances d'une ELM à fibre sont quantitativement séparées. Auparavant, on ignorait comment ces facteurs affectaient la précision et quels régimes étaient optimaux ; désormais, on dispose d'une carte complète des paramètres pour une mise en œuvre pratique. Les résultats s'appliquent directement au développement d'accélérateurs photoniques pour des tâches de classification et de régression.

Les perspectives sont claires. Le modèle peut être étendu à l'équation vectorielle GNLS prenant en compte la polarisation, ce qui permettrait d'utiliser un degré de liberté supplémentaire pour le codage. La propagation multimode ouvre la voie à un codage et une lecture spatiaux, bien que cela nécessite des ressources de calcul importantes. La lecture de la phase spectrale à l'aide d'un oscillateur local est également prometteuse, car elle pourrait augmenter la densité de codage. Ces directions devraient améliorer la précision et élargir la classe de problèmes résolubles. La lumière qui traverse la fibre, comme un artiste mélangeant des couleurs sur sa palette, et plus la palette est riche, plus le portrait du chiffre est précis.