Programme de la conférence
Vue d’ensemble et détails des sessions pour cette conférence. Veuillez sélectionner une date ou un lieu afin d’afficher uniquement les sessions correspondant à cette date ou à ce lieu. Cliquez sur une des sessions pour obtenir des détails sur celle-ci (avec résumés et téléchargement si disponibles).
|
Récapitulatif du jour |
| Session | ||
Session Plénière Prix Jerphagnon: Sylvain GIGAN (LKB) - Large scale optical machine learning exploiting disorder
| ||
| Résumé de session | ||
|
Le prix Jean Jerphagnon récompense l’innovation de l'optique et de la photonique. Il valorise la recherche appliquée et accélère le transfert technologique vers l’industrie | ||
    | ||
SESSION DU PRIX JEAN JERPHAGNON - OUVERTURE OXXIUS Ouverture LARGE SCALE OPTICAL MACHINE LEARNING EXPLOITING DISORDER LKB, France La photonique promet un changement de paradigme dans le traitement de l'information, offrant des vitesses ultra-rapides et une faible consommation d'énergie. Bien que le calcul optique connaisse un regain d'intérêt pour les applications d'apprentissage automatique (machine learning), les implémentations actuelles se heurtent à un verrou technologique de passage à l'échelle : la plupart des dispositifs de preuve de concept se limitent à de faibles dimensions et à des architectures simples et peu profondes. Je discuterai de la manière dont nous pouvons surmonter ces limitations en exploitant la complexité physique intrinsèque de la diffusion de la lumière. Je démontrerai que la diffusion multiple dans les milieux désordonnés — généralement considérée comme un obstacle— peut être mise à profit pour effectuer une opération de calcul essentielle : la multiplication de matrices aléatoires à grande échelle. En projetant l'information d'entrée sur la matrice de transmission optique complexe d'un milieu diffusant, nous pouvons traiter des données de haute dimension à grande vitesse et pour un coût énergétique négligeable. Je présenterai des résultats expérimentaux sur diverses tâches d’intelligence artificielle et discuterai de la feuille de route pour étendre ce concept des opérations à couche unique vers des réseaux de neurones optiques profonds et récurrents. ------------------------------------------------------------------------------------------------------------------- Photonics promises a paradigm shift in information processing, offering ultrafast speeds and low energy consumption. While optical computing has seen a resurgence of interest for machine learning applications, current implementations face a scalability bottleneck: most proof-of-concept devices are restricted to low dimensionalities and shallow, simple architectures. I will discuss how we can overcome these limitations by exploiting the physical complexity of light scattering itself. I will demonstrate that multiple scattering in disordered media—usually considered a hindrance to imaging—can be harnessed to perform a critical computational operation: large-scale random matrix multiplication. By mapping input information onto the complex optical transmission matrix of a scattering medium, we can process high-dimensional data at the speed of light and at negligible energy cost. I will present experimental results across various machine learning tasks and discuss the roadmap for extending this concept from single-layer operations to deep, recurrent optical neural networks. SESSION DE CEREMONIE DU PRIX JEAN JERPHAGNON OXXIUS Les 4 finalistes du prix Jean Jerphagnon : 4 talents, 4 projets | ||
