From Optimization to Computation : Metaheuristic Control of Optical Fiber Systems and Optical Computing

De l’optimisation au calcul : contrôle métaheuristique des systèmes à fibre optique et calcul optique La propagation des impulsions optiques dans les fibres présente des dynamiques non linéaires complexes, en particulier dans le régime femtoseconde, où les caractéristiques spectrales sont extrêmement sensibles aux paramètres d’entrée. Avec la demande croissante en sources lumineuses spécialisées, le contrôle de ces caractéristiques devient essentiel. Toutefois, l’interaction entre les paramètres d’entrée de l’impulsion et les caractéristiques obtenues après sa propagation non linéaire reste difficile à modéliser. L’apprentissage automatique s’est imposé comme un outil puissant pour créer de nouvelles fonctionnalités et améliorer les performances de nombreux systèmes complexes, sans nécessiter de modèles précis.Dans cette thèse, nous combinons des algorithmes d’apprentissage automatique avec la propagation non linéaire d’impulsions courtes de deux manières :(i) nous exploitons des algorithmes numériques avancés pour le contrôle systématique et l’optimisation de la propagation non linéaire d’impulsions,(ii) nous explorons l’utilisation des fibres optiques comme plateformes de calcul.Nous mettons en œuvre un algorithme génétique rapide et flexible sur divers systèmes à fibre, démontrant sa capacité d’auto-alignement et de robustesse face aux perturbations.Premièrement, nous contrôlons les instabilités d’une cavité produisant des impulsions de type "noise-like-pulse", atteignant un état stable en seulement quelques minutes.Deuxièmement, nous appliquons le même principe à l’injection de modes à moment angulaire orbital dans une fibre, stabilisant le système pendant plus d’une journée.Troisièmement, nous utilisons plusieurs algorithmes métaheuristiques pour façonner le spectre d’un supercontinuum, contrôlant simultanément jusqu’à quatre longueurs d’onde. Les simulations servent à guider la mise en œuvre expérimentale. Nous comparons ensuite les performances des différentes approches afin de construire un guide pour leur application efficace à d’autres systèmes non linéaires complexes.Enfin, nous exploitons les propriétés fondamentales de la lumière pour transformer notre système photonique en une plateforme de calcul. Nous explorons expérimentalement des fibres fortement non linéaires afin de remplacer l’architecture électronique traditionnelle par la propagation non linéaire d’impulsions optiques.Les résultats de cette thèse comparent les performances d’algorithmes métaheuristiques sur trois systèmes optiques complexes. Nous présentons également la caractérisation expérimentale d’un réseau de neurones artificiel physique.Par ailleurs, les méthodes introduites dans ce travail démontrent le potentiel des approches hybrides où photonique et apprentissage automatique s’allient pour s’enrichir mutuellement.