Photonic Information Processing
- Autores: Julián Bueno Moragues
- Directores de la Tesis: Ingo Fischer (dir. tes.), Daniel Brunner (codir. tes.)
- Lectura: En la Universitat de les Illes Balears ( España ) en 2019
- Idioma: inglés
- Tribunal Calificador de la Tesis: Kathy Lüdge (presid.), Luis Pesquera González (secret.), Sylvain Barbay (voc.)
- Programa de doctorado: Programa de Doctorado en Física por la Universidad de las Illes Balears
- Materias:
- Enlaces
- Tesis en acceso abierto en: RepositoriUIB
- Resumen
- català
En la present tesi estudiem experimentalment la dinàmica de sistemes fotònics complexos que inclouen sistemes de làser semiconductor amb retroalimentació retardada i sistemes òptics acoblats espacialment, i fem servir les seves dinàmiques per al processament de la informació. Els sistemes de retard fotònic ofereixen un ampli ventall de dinàmiques complexes, que els converteix en excel·lents bancs de proves per a l’estudi de dinàmiques no lineals. Nosaltres aprofitem la dinàmica complexa i convertim els sistemes fotònics amb retard en sistemes de processament d’informació aplicant tècniques del camp de les xarxes neuronals, estudiant les seves propietats, i demostrant una realització exitosa.
Primer, estudiem la dinàmica d’un làser semiconductor amb dues retroalimentacions òptiques retardades. L’evolució temporal de la intensitat del làser és representada i estudiada en un pseudoespai bidimensional, que permet visualitzar convenientment estructures en la dinàmica. Dos règims dinàmics són abordats en aquest estudi, Spiral Phase Defects i Defect-mediated Turbulence. Spiral Phase Defects que estaven previstos per a aquest sistema no han estat observats, i les possibles raons analitzades. Defect-mediated Turbulence s’observa en un ampli rang de paràmetres. La dinàmica intervinguda per defectes és analitzada en detall utilitzant la distribució d’intensitat i l’anàlisi espectral. L’anàlisi espectral mostra un decaı̈ment exponencial en els espectres per a baixos corrents elèctrics del làser semiconductor. Per corrents electrics més alts, els espectres mostren un doble decaı̈ment potencial que es fusiona en un sol decaı̈ment a mesura que s’incrementa el corrent elèctric. Això indica un comportament sense escala per les dinàmiques amb gran corrents elèctrics.
A continuació, estudiem l’ús d’un làser semiconductor amb una única retroalimentació òptica amb retard i injecció òptica com a ordinador de reservori basat en retards. Estudiem les propietats fonamentals del sistema, especı́ficament les propietats del bloqueig d’injecció, la consistència i la memòria. Avaluem el rendiment del sistema en una tasca de predicció i vinculem les diferents propietats al rendiment. L’impacte de paràmetres experimentals crucials són avaluats en les propietats, i a més se’n discuteixen les implicacions i se n’exploren altres funcionalitats. Les adequades propietats i bon rendiment són demostrats per injecció a taxes de modulació de fins 20 GSa/s, i també per injecció a freqüències òptiques centenars de GHz des de l’emissió solitària del làser semiconductor. A més, demostrem com crear un reservori amb nodes amb diferents conjunts de propietats, i demostrar que el rendiment en una tasca de predicció es pot millorar amb aquesta estratègia.
A la part final, dissenyem i construı̈m un ordinador de reservori espacialament estès amb 900 nodes no lineals acoblats. El reservori és implementat amb un Spatial Light Modulator, i la no linealitat és realitzada aprofitant la modulació de la polarització del Spatial Light Modulator juntament amb un Polarization Beam Splitter. L’acoblament a la xarxa s’implementa experimentalment amb un Diffractive Optical Element, resultant en un acoblament més enllà de primers veı̈ns. La capa d’entrada és implementada digitalment emprant l’ordinador de control. La capa de sortida és implementada experimentalment amb un Digital Micro-mirror Display i una lent, on la configuració del Digital Micro-mirror Display determina els valors dels pesos de sortida a l’ordinador de reservori. Avaluam la dinàmica dels nodes i demostrem dinàmiques no lineals adequades a la xarxa. Les regles d’aprenentatge s’implementen per permetre que el sistema canviı̈ de forma autònoma els pesos de sortida en funció de rendiment previ i busqui una configuració optimitzada que aconsegueixi errors baixos en tasques especı́fiques. Mostrem un funcionament exitós de l’ordinador de reservori demostrant que, malgrat algunes limitacions, és capaç d’aprendre a reduir l’error en una tasca de predicció i, finalment, mostrar errors de predicció molt baixos.
- English
In the current thesis we experimentally study the dynamics of complex photonic systems including semiconductor laser systems with delayed feedback and spatially coupled optical systems, and employ their dynamics for information processing. Photonic delay systems offer a broad range of complex dynamics, making them excellent testbeds for the study of nonlinear dynamics. We take advantage of the complex dynamics and turn the photonic delay systems into information processing systems by applying techniques from the field of neural networks, studying their properties, and demonstrating successful performance.
First we study the dynamics of a semiconductor laser with two delayed optical feedbacks. The temporal evolution of the intensity from the laser is represented and studied in a two dimensional pseudo-space, which conveniently allows to visualize structures in the dynamics. Two dynamical regimes are being addressed in this study, Spiral Phase Defects and Defect-mediated Turbulence. Spiral Phase Defects that were predicted for this system have not been observed, and we discuss the possible reasons. Defect-mediated Turbulence is observed in a broad range of parameters. The defect-mediated dynamics is analyzed in detail by using intensity distribution and spectral analysis. The spectral analysis shows an exponential decay of the spectra for low bias currents of the semiconductor laser. For increasing bias currents, the spectra exhibit a double power law decay that merges into a single power law as the bias currents is increased. This indicates a scale-free behavior in the dynamics for high bias currents.
Next, we study the use of a semiconductor laser with a single delay optical feedback and optical injection as a delay-based reservoir computer. We study the fundamental properties of the system, specifically the properties of injection locking, consistency, and memory. We evaluate the performance of the system in a prediction task, and link the different properties to performance. The impact of crucial experimental parameters on the properties are evaluated, and the implications discussed. Moreover, we explore further functionalities. Suitable properties and good performance are demonstrated for injection at modulation rates up to to 20 GSa/s, and also for optical injection detuned hundreds of GHz from the solitary emission of the semiconductor laser. Furthermore, we demonstrate how to create a reservoir with nodes with different sets of properties, and show that performance in a prediction task can be improved with this approach.
In the final part, we design and build a spatially extended reservoir computer with 900 coupled nonlinear nodes. The reservoir is implemented with a Spatial Light Modulator (SLM), and the nonlinearity is realized by taking advantage of the polarization modulation of the Spatial Light Modulator (SLM) together with a Polarization Beam Splitter (PBS). The coupling in the network is experimentally implemented with a Diffractive Optical Element (DOE), resulting in coupling beyond first neighbors. The input layer is implemented digitally employing the control computer. The output layer is experimentally implemented with a Digital Micro-mirror Display (DMD) and a lens, where the configuration of the Digital Micro-mirror Display (DMD) determines the values of the output weights in the reservoir computer. We evaluate the dynamics of the nodes and demonstrate suitable nonlinear dynamics in the network.
Learning rules are implemented to allow the system to autonomously change the output weights based on previous performance, and to search for an optimized configuration attaining low errors in specific tasks. We demonstrate successful operation of the reservoir computer by showing that, despite some limitations, it is capable of learning reducing the error in a prediction task and finally exhibiting very low prediction errors.
- català
