CDD Chercheur H/F - Accélérateurs Photoniques au-delà de la Rétropropagation

Missions :
Les accélérateurs électroniques qui alimentent actuellement l’intelligence artificielle (IA) présentent des limitations intrinsèques, notamment une consommation énergétique élevée et une latence importante, ce qui freine leur performance dans les applications de calcul en périphérie (edge computing) où l’efficacité et l’adaptabilité sont cruciales [1]. Avec l’augmentation exponentielle des tâches axées sur les données, le calcul éco-énergétique en IA devient un impératif stratégique, incitant à explorer des paradigmes de calcul alternatifs au-delà de la technologie CMOS conventionnelle.
Les accélérateurs photoniques offrent des avantages substantiels par rapport aux circuits électroniques traditionnels, en exploitant le parallélisme intrinsèque et la dynamique ultrarapide de la lumière pour exécuter des calculs à grande vitesse (dizaines de GHz) et avec une faible consommation d’énergie [2]. Malgré ces bénéfices, l’entraînement des réseaux neuronaux photoniques reste difficile en raison de leur incompatibilité avec les méthodes d’entraînement numérique classiques telles que la rétropropagation (BP), qui nécessitent des simulations numériques énergivores des gradients.
Pour surmonter cette limitation critique, cette proposition explore la Propagation à l’Équilibre (EP), une approche d’entraînement biologiquement plausible qui s’aligne naturellement sur la dynamique des systèmes physiques analogiques. L’EP exploite les états d’équilibre du système pour estimer les gradients sans recourir aux étapes explicites de rétropropagation, réduisant ainsi considérablement la charge computationnelle et la consommation énergétique.
Cette recherche se concentre sur trois objectifs principaux :
1. Des concepts innovants de dispositifs photoniques adaptés aux réseaux neuronaux basés sur l’EP,
2. Des architectures photoniques évolutives spécifiquement conçues pour intégrer la dynamique de l’EP en tirant parti des nouveaux dispositifs proposés,
3. L’évaluation de l’efficacité et de la robustesse de l’entraînement basé sur l’EP sur du matériel photonique au moyen de simulations complètes au niveau système.

Contexte et état de l'art
Les systèmes photoniques ont récemment démontré leur potentiel en tant qu’accélérateurs efficaces pour l’IA, réalisant des opérations matricielles à l’échelle du GHz avec une latence ultra faible et une précision quasi numérique (~8 bits) [3]. Des processeurs photoniques universels ont montré leur capacité à implémenter des modèles complexes d’IA, tels que les réseaux de neurones convolutifs (CNN) et les Transformers, avec une précision comparable à celle de l’électronique [4]. Toutefois, les approches existantes reposent principalement sur un entraînement hors-ligne par rétropropagation numérique, ce qui entraîne une surcharge énergétique importante et des problèmes de décalage lors du transfert des modèles de la simulation au matériel.
L’EP propose une alternative convaincan
Voir plus sur le site emploi.cnrs.fr...