Les physiciens de recherche du LNR explorent le calcul par fibre optique à l’aide de la rétroaction distribuée

Les chercheurs du Naval Research Laboratory (NRL) des États-Unis apportent une nouvelle contribution au calcul des fibres optiques, Informatique à fibre optique utilisant la rétroaction distribuée Un article récemment publié dans Communications Physics Journal rapproche la Marine de technologies informatiques plus rapides et plus efficaces.

L’informatique optique utilise les propriétés de la lumière, telles que sa vitesse et sa capacité à transporter de grandes quantités de données, pour traiter les informations plus efficacement que les ordinateurs électroniques traditionnels.

En collaboration avec Sandia National Laboratories et l’Université de Floride centrale, NRL vise à augmenter les vitesses de traitement, à réduire la consommation d’énergie et à permettre de nouvelles applications dans des domaines tels que le traitement des données, les télécommunications et l’intelligence artificielle.

« Cet article marque une avancée significative dans le domaine de l’informatique optique », a déclaré Brandon Redding, Ph.D., physicien chercheur à la division des sciences optiques du LNR. «C’est le premier à utiliser une rétroaction distribuée dans la fibre optique, combinant un codage temporel avec une fibre partiellement réfléchissante à faibles pertes. Notre approche offre une évolutivité pour traiter plusieurs neurones simultanément, ainsi que des performances à haute vitesse et une conception compacte, légère et économe en énergie, car l’ensemble du système est couplé par fibre et ne nécessite pas d’optique en espace libre.

La Marine adopte rapidement des algorithmes d’apprentissage automatique pour un large éventail d’applications. Beaucoup de ces applications sont sensibles au temps et à l’énergie. Par exemple, les tâches de reconnaissance d’images ou de cibles où les objets nécessitent une identification en temps réel.

« Beaucoup de ces applications impliquent des plates-formes déployées à l’avant, souvent autonomes, avec une disponibilité énergétique limitée », a déclaré Redding. «Nous avons l’intention d’utiliser la photonique analogique, dont l’échelle d’énergie est fondamentalement différente de celle de l’électronique numérique basée sur Von Neumann, pour effectuer ces tâches d’apprentissage automatique avec une consommation d’énergie et une latence inférieures. Dans le document actuel, nous avons effectué une analyse de la consommation d’énergie montrant le potentiel d’une consommation d’énergie 100 à 1 000 fois inférieure à celle d’un GPU en fonction de la taille du problème.

Cette recherche montre comment l’optique peut être utilisée pour effectuer des tâches informatiques précieuses à l’aide de projections aléatoires passives, en l’occurrence des convolutions aléatoires non linéaires. Cela va à l’encontre du fonctionnement de la plupart des apprentissages automatiques, qui nécessitent généralement une formation approfondie pour définir les poids d’un réseau neuronal.

« Au lieu de cela, nous montrons que les poids aléatoires peuvent toujours effectuer des tâches informatiques utiles », a déclaré Redding. « C’est important car nous pouvons appliquer des poids aléatoires très efficacement dans le domaine optique simplement en dispersant la lumière sur une surface rugueuse ou, comme nous le montrons dans cet article, en dispersant la lumière sur les non-uniformités d’une fibre optique. »

Dans les ordinateurs traditionnels basés sur l’électronique numérique, cela ne présenterait pas beaucoup d’avantages car chaque opération de multiplication est tout aussi coûteuse, en termes de temps et d’énergie, qu’il s’agisse d’une multiplication par un nombre aléatoire ou par une valeur soigneusement sélectionnée grâce à la formation.

« Cela implique que dans le domaine optique, nous souhaiterons peut-être concevoir nos architectures de réseaux neuronaux différemment pour tirer parti des caractéristiques uniques de l’optique – certaines choses sont plus faciles à faire en optique et d’autres sont plus difficiles, il suffit donc de porter le même réseau neuronal. Une architecture optimisée pour les implémentations d’électronique numérique n’est peut-être pas la solution idéale dans le domaine optique », a déclaré Redding.

Une caractéristique plus subtile de la plate-forme fibre de NRL consiste à effectuer des convolutions, similaires à un réseau neuronal convolutif (CNN), une rareté pour une plate-forme informatique optique. Les convolutions sont très puissantes pour des tâches telles que le traitement d’images, ce qui a conduit à l’utilisation généralisée des CNN dans les applications de traitement d’images du ministère de la Défense.

« Le gain de la Marine consiste à mettre en œuvre des algorithmes d’apprentissage automatique plus rapidement, réduisant ainsi le délai avant d’arriver à une réponse », a déclaré Joseph Murray, Ph.D., chercheur en physique à la division des sciences optiques du LNR. « Nous étudions également l’application de ces algorithmes directement sur des données analogiques sans nécessiter de numérisation et de stockage intermédiaires, ce qui pourrait présenter un avantage significatif lors du traitement de données à large bande passante difficiles à enregistrer et à analyser en temps réel, telles que : des données d’images haute résolution. ou des données RF pour les applications de guerre électronique.

Cette recherche est parrainée par le programme de base du LNR conçu pour développer la science fondamentale. La recherche, à la fois théorique et expérimentale, vise à découvrir et à comprendre les principes physiques de base et les mécanismes impliqués dans les dispositifs optiques et les matériaux.

« L’article actuel est la preuve de principe que nous pouvons réaliser des calculs utiles avec ces projections optiques fixes et aléatoires, testées sur des tâches de référence telles que la reconnaissance d’images de chiffres manuscrits », a déclaré Joseph Hart, Ph.D., chercheur en physique. de la Division des sciences optiques du LNR. « Nous avons également testé cela sur une tâche de jeu de données SONAR pour montrer comment cette plate-forme peut faire la distinction entre les signatures SONAR des roches et celles des mines sous-marines en tant qu’application plus spécifique à la Marine. »

La Division des sciences optiques mène diverses activités de recherche, de développement et d’application dans la génération, la propagation, la détection et l’utilisation de rayonnements dans la région des longueurs d’onde comprises entre les longueurs d’onde du proche ultraviolet et de l’infrarouge lointain. La Division sert le Laboratoire et la Marine en tant qu’organisme consultatif d’experts en sciences optiques.

À propos du laboratoire de recherche navale américain

NRL est un commandement scientifique et technique dédié à la recherche qui stimule les avancées innovantes de la Marine américaine et du Corps des Marines, du fond marin à l’espace et dans le domaine de l’information. NRL est situé à Washington, DC, avec d’importants sites de terrain au Stennis Space Center, dans le Mississippi ; Key West, Floride ; Monterey, en Californie, et emploie environ 3 000 scientifiques, ingénieurs et personnel de soutien civils.

Pour plus d’informations, contactez NRL Corporate Communications au (202) 480-3746 ou nrlpao@us.navy.mil.