L’Ecole doctorale : Ecole Doctorale de l’Institut Polytechnique de Paris
et le Laboratoire de recherche SAMOVAR – Services répartis, Architectures, MOdélisation, Validation, Administration des Réseaux

présentent

l’AVIS DE SOUTENANCE de Monsieur Nickson MWAMSOJO

Autorisé à présenter ses travaux en vue de l’obtention du Doctorat de l’Institut Polytechnique de Paris, préparé à Télécom SudParis en :

Réseaux, Informations et Communications

« Systèmes photoniques neuro-morphiques pour le traitement de l’information »

le lundi 13 février 2023 à 10h00

Amphi 2
19, place Marguerite Perey – 91120 Palaiseau Cedex

Membres du jury :

M. Frédéric LEHMANN, Professeur, Télécom SudParis, FRANCE – Directeur de thèse
M. Sylvain BARBAY, Directeur de recherche, Centre for Nanosciences and Nanotechnologies (C2N), FRANCE – Rapporteur
M. Laurent LARGER, Professeur, Université de Franche-Comté (FEMTO-ST) , FRANCE – Rapporteur
M. Serge MASSAR, Professeur, Université Libre de Bruxelles , BELGIQUE – Examinateur
M. Kamel MERGHEM, Maître de conférences, Télécom SudParis, FRANCE – Encadrant de thèse

Résumé :

Par une utilisation performante de nombreux algorithmes dont les réseaux neuronaux, l’intelligence artificielle révolutionne le développement de la société numérique. Néanmoins, la tendance actuelle dépasse les limites prédites par la loi de Moore et celle de Koomey, ce qui implique des limitations éventuelles des implémentations numériques de ces systèmes. Pour répondre plus efficacement aux besoins calculatoires spécifiques de cette révolution, des systèmes physiques innovants tentent en amont d’apporter des solutions, nommées « neuro-morphiques » puisqu’elles imitent le fonctionnement des cerveaux biologiques. Les systèmes existants sont basés sur des techniques dites de « Reservoir Computing » ou « coherent Ising Machine. » Leurs versions photoniques, ont permis de démontrer l’intérêt de ces techniques notamment pour la reconnaissance vocale avec un état de l’art en 2017 attestant de bonnes performances en termes de reconnaissance à un rythme d’1 million de mots par seconde. Nous proposons dans un premier temps une technique d’ajustement automatique des hyperparamètres pour le « Reservoir Computing », accompagnée d’une étude théorique de convergence. Nous proposons ensuite une solution au problème de la détection précoce de la maladie d’Alzheimer de type « Reservoir Computing » optoélectronique. En plus des taux de classifications obtenus meilleurs que l’état de l’art, une étude complète du compromis coût énergétique performance démontre la validité de cette approche. Enfin, le problème de la restauration d’image par maximum de vraisemblance est abordé à l’aide d’une implémentation optoélectronique appropriée de type « coherent Ising Machine ».

Abstract : « Neuromorphic photonic systems for information processing »

Artificial Intelligence has revolutionized the scientific community thanks to the advent of a robust computation workforce and Artificial Neural Neural Networks. However, the current implementation trends introduce a rapidly growing demand for computational power surpassing the rates and limitations of Moore’s and Koomey’s Laws, which implies an eventual efficiency barricade. To respond to these demands, bio-inspired techniques, known as ‘neuro-morphic’ systems, are proposed using physical devices. Of these systems, we focus on ‘Reservoir Computing’ and ‘Coherent Ising Machines’ in our works. Reservoir Computing, for instance, demonstrated its computation power such as the state-of-the-art performance of up to 1 million words per second using photonic hardware in 2017. We propose an automatic hyperparameter tuning algorithm for Reservoir Computing and give a theoretical study of its convergence. Moreover, we propose Reservoir Computing for early-stage Alzheimer’s disease detection with a thorough assessment of the energy costs versus performance compromise. Finally, we confront the noisy image restoration problem by maximum a posteriori using an optoelectronic implementation of a Coherent Ising Machine.