Apprentissage par renforcement dans un réseau de neurones récurrents photoniques à grande échelle

L'implementation de réseaux de neurones photoniques a suscité une attention considérable comme une technologie future potentiellement disruptive. Démontrer l'apprentissage dans de grands réseaux de neurones est essentiel pour établir des substrats d'apprentissage machine photoniques en tant que systèmes de traitement de l'information viables. La réalisation de réseaux de neurones photoniques avec de nombreux nœuds non linéaires dans du matériel d'apprentissage totalement parallèle et efficace a jusqu'à présent fait défaut. Nous démontrons un réseau de jusqu'à 2025 nœuds photoniques couplés par diffraction, formant un réseau de neurones récurrents à grande échelle. En utilisant un dispositif micro-miroir numérique, nous réalisons l'apprentissage par renforcement. Notre schéma est entièrement parallèle, et les poids passifs maximisent l'efficacité énergétique et la bande passante. La sortie computationnelle converge efficacement, et nous atteignons une très bonne performance.