Le professeur adjoint Uğur Teğin, du département de génie électrique et électronique de l’Université Koç, a mis au point deux nouveaux systèmes qui utilisent la lumière elle-même, plutôt que des circuits électroniques conventionnels, pour effectuer les calculs nécessaires à l’intelligence artificielle. Publiées dans deux revues du Nature Portfolio, l’un des principaux groupes d’édition scientifique au monde, ces études introduisent de nouvelles approches du calcul qui pourraient contribuer au développement de systèmes d’IA plus rapides et plus économes en énergie.
À mesure que les technologies d’intelligence artificielle (IA) se généralisent, la demande croissante en puissance de traitement et en énergie devient un défi mondial. Deux nouveaux systèmes développés à l’Université Koç apportent une réponse potentielle à ce défi en exploitant les propriétés physiques de la lumière pour effectuer une partie des calculs nécessaires à l’analyse d’images.
Des projets de recherche menés par le professeur adjoint Uğur Teğin avec ses étudiants ont été publiés dans deux revues, Communications Engineering et Communications Physics, appartenant au très réputé Nature Portfolio. Les deux études complémentaires explorent comment la capacité de la lumière à transporter et à traiter simultanément plusieurs flux d’informations peut être mise à profit pour des applications d’intelligence artificielle.
Contrairement aux signaux électroniques, la lumière peut transporter et traiter simultanément plusieurs flux d’informations. Cela fait de l’informatique photonique une alternative puissante pour les applications d’IA gourmandes en calcul.
Traiter les données avec la lumière sans perdre l’information de couleur
Dans la première étude, publiée dans Communications Engineering, le professeur adjoint Uğur Teğin et l’étudiante en master Fatma Nur Kılınç ont développé un réseau neuronal photonique programmable qui utilise la lumière pour transformer l’information contenue dans les images en couleur en représentations plus faciles à classer, sans abandonner leur contenu coloriel.
De nombreux systèmes conventionnels de traitement d’images convertissent les images en couleur en niveaux de gris, perdant potentiellement des informations importantes contenues dans les canaux rouge, vert et bleu. Le système développé à l’Université Koç préserve ces canaux et les traite simultanément. Son architecture optique accentue des caractéristiques telles que la couleur, la forme et la texture, qui aident à distinguer une image d’une autre, permettant une classification plus précise.
Les données sont d’abord encodées sur un dispositif programmable qui contrôle la propagation de la lumière. Tandis que les différents canaux de couleur voyagent ensemble à travers le système optique, le dispositif les combine et les transforme de manière adaptée à la tâche envisagée. Le passage à travers le montage optique accentue des caractéristiques — telles que la couleur, la forme et la texture — qui aident à distinguer une image d’une autre. Le motif optique résultant est ensuite enregistré par une caméra et utilisé pour prédire la catégorie à laquelle l’image appartient.
S’adapter aux imperfections du matériel
L’un des principaux avantages du réseau neuronal photonique est sa capacité à s’adapter aux caractéristiques du système optique physique sans nécessiter un modèle informatique parfaitement exact. Dans les montages optiques réels, de légers désalignements, des imperfections de fabrication et d’autres effets physiques peuvent faire diverger les résultats expérimentaux des simulations idéalisées. En apprenant directement à partir des mesures expérimentales, le réseau neuronal photonique peut s’adapter à ces conditions non idéales.
Une précision de classification élevée
Dans une tâche de classification de maladies dermatologiques, la précision de classification est passée de 68 % avec les données brutes de pixels en couleur à 98 % après traitement optique. Les chercheurs ont également démontré que la méthode pouvait être appliquée non seulement aux images, mais aussi à d’autres formes de données multidimensionnelles.
Transformer un laser à fibre en processeur d’IA physique
Dans la deuxième étude, publiée dans Communications Physics, le professeur adjoint Uğur Teğin, les étudiants en master Dilem Eşlik et Fatma Nur Kılınç, et l’étudiant de licence Bahadır Utku Kesgin ont utilisé un laser à fibre multimode comme processeur physique pour l’apprentissage automatique.
L’information issue des images a été encodée dans la lumière et traitée au sein de la cavité du laser, la transformant en motifs optiques plus faciles à classer. De cette manière, la dynamique physique du laser elle-même a effectué une partie du calcul qui serait habituellement réalisé par un logiciel.
De bonnes performances sur divers jeux de données
Le système a été testé à l’aide d’images de déchets recyclables, d’imageries météorologiques et satellites, de scans rétiniens et de lésions cutanées. Après traitement optique, des précisions de classification allant de 85 à 99 % ont été obtenues sur les différents jeux de données en utilisant uniquement une méthode de classification simple. Comme le laser lui-même a effectué une part substantielle du calcul, le système a également nécessité bien moins de paramètres entraînables que les modèles conventionnels d’apprentissage profond.
Vers une IA plus économe en énergie et plus durable
Examinées conjointement, les deux études menées à l’Université Koç mettent en évidence les atouts complémentaires de l’informatique photonique. La première montre comment la lumière peut traiter des informations multidimensionnelles tout en préservant des caractéristiques précieuses telles que la couleur, tandis que la seconde démontre comment la dynamique physique d’un laser peut assumer elle-même une partie de la charge de calcul.
Bien que les deux systèmes reposent encore sur des composants électroniques tels que des caméras et des unités de contrôle, les progrès des dispositifs de contrôle de la lumière à haute vitesse et des systèmes optiques compacts intégrés sur puce pourraient permettre à la lumière d’assumer une part bien plus importante de la charge de travail actuellement prise en charge par les processeurs électroniques.
En transférant davantage d’opérations de calcul de l’électronique vers la lumière, ces technologies pourraient contribuer à ouvrir la voie à une nouvelle génération de systèmes d’intelligence artificielle plus rapides, plus économes en énergie et plus durables.
Les publications :
« Self-optimizing multichannel optical computing », Communications Engineering, 2026.
« Multimode fiber laser cavities as nonlinear optical processors », Communications Physics, 2026.
