In this thesis we study photonic computation within the framework of reservoir computing. Inspired by the insight that the human brain processes information by generating patterns of transient neuronal activity excited by input sensory signals, reservoir computing exploits the transient dynamics of an analogue nonlinear dynamical system to solve tasks that are hard to solve by algorithmic approaches. Harnessing the massive parallelism offered by optics, we consider a generic class of nonlinear dynamical systems which are suitable for reservoir computing and which we label photonic computing liquids. These are spatially extended systems which exhibit dispersive or diffractive signal coupling and nonlinear signal distortion. We demonstrate that a wide range of optical systems meet these requirements and allow for elegant and performant imple- mentations of optical reservoirs. These advances address the limitations of current photonic reservoirs in terms of scalability, ease of implementation and the transition towards truly all-optical computing systems.We start with an abstract presentation of a photonic computing liquid and an in-depth analysis of what makes these kinds of systems function as potent reservoir computers. We then present an experimental study of two photonic reservoir computers, the first based on a diffractive free-space cavity, the second based on a fiber-loop cavity. These systems allow us to validate the promising concept of photonic computing liquids, to investigate the effects of symme- tries in the neural interconnectivity and to demonstrate the effectiveness of weak and distributed optical nonlinearities. We also investigate the ability to recover performance lost due to uncontrolled parameters variations in unstable operating environments by introducing an easily scalable way to expand a reservoir’s output layer. Finally, we show how to exploit random diffraction in a strongly dispersive optical system, including applications in optical telecom- munications. In the conclusion we discuss future perspectives and identify the characteristic of the optical systems that we consider most promising for the future of photonic reservoir computing. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished

Reservoir computing est un ensemble de techniques permettant de simplifierl’utilisation des réseaux de neurones artificiels. Les réalisations expérimentales,notamment optiques, de ce concept ont montré des performances proches de l’étatde l’art ces dernières années. La vitesse élevée des expériences optiques ne permetpas d’y intervenir en temps réel avec un ordinateur standard. Dans ce travail, nousutilisons une carte de logique programmable (Field-Programmable Gate Array, ouFPGA) très rapide afin d’interagir avec l’expérience en temps réel, ce qui permetde développer de nouvelles fonctionnalités.Quatre expériences ont été réalisées dans ce cadre. La première visait à implé-menter un algorithme de online training, permettant d’optimiser les paramètresdu réseau de neurones en temps réel. Nous avons montré qu’un tel système étaitcapable d’accomplir des tâches réalistes dont les consignes variaient au cours dutemps.Le but de la deuxième expérience était de créer un reservoir computer optiquepermettant l’optimisation de ses poids d’entrée suivant l’algorithme de backpropaga-tion through time. L’expérience a montré que cette idée était tout à fait réalisable,malgré les quelques difficultés techniques rencontrées. Nous avons testé le systèmeobtenu sur des tâches complexes (au-delà des capacités de reservoir computers clas-siques) et avons obtenu des résultats proches de l’état de l’art.Dans la troisième expérience nous avons rebouclé notre reservoir computer op-tique sur lui-même afin de pouvoir générer des séries temporelles de façon autonome.Le système a été testé avec succès sur des séries périodiques et des attracteurs chao-tiques. L’expérience nous a également permis de mettre en évidence les effets debruit expérimental dans les systèmes rebouclés.La quatrième expérience, bien que numérique, visait le développement d’unecouche de sortie analogique. Nous avons pu vérifier que la méthode de onlinetraining, développée précédemment, était robuste contre tous les problèmes expéri-mentaux étudiés. Par conséquent, nous avons toutes les informations pour réalisercette idée expérimentalement.Finalement, durant les derniers mois de ma thèse, j’ai effectué un stage dont lebut était d’appliquer mes connaissance en programmation de FPGA et réseaux deneurones artificiels à un problème concret en imagerie cardiovasculaire. Nous avonsdéveloppé un programme capable d’analyser les images en temps réel, convenablepour des applications cliniques. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished