La bistabilité optique pour de l’intelligence artificielle moins énergivore

L’apprentissage profond, un type d’intelligence artificielle, consomme une quantité phénoménale d’électricité. Les réseaux neuronaux, à la base de cette technologie, sont présentement implémentés sur ordinateurs. Or, il est possible de créer des réseaux de neurones fonctionnant à l’aide de la lumière, des réseaux de neurones photoniques. Cette technologie pourrait permettre de réduire la consommation d’électricité des algorithmes par un facteur 1000. Pour l’instant, celle-ci se heurte à la difficulté de concevoir des dispositifs 100 % optiques avec une réponse non linéaire suffisamment forte pour permettre un fonctionnement à basse puissance. En combinant un phénomène s’appelant la bistabilité optique, les récents progrès dans le domaine de l’ingénierie des résonateurs et des matériaux fortement non linéaires caractérisés par notre groupe, nous souhaitons concevoir des dispositifs avec une forte réponse non linéaire à basse puissance qui pourront être utilisés dans les futurs réseaux neuronaux photoniques.

Faculty Supervisor:

Stéphane Kena-Cohen

Student:

Partner:

FOM Institute for Atomic and Molecular Physics

Discipline:

Engineering

Sector:

Information and Communications Technology; Artificial Intelligence

University:

Polytechnique Montréal

Program: