Réseau neuronal diffractif magnéo-optique reconfigurable avec modulation de phase optique améliorée

Appareils photo intelligents qui réfléchissent avec la lumière

Les téléphones et voitures les plus intelligents d’aujourd’hui reposent sur des puces énergivores pour reconnaître des visages, lire des panneaux ou repérer des piétons. Cette étude explore une approche très différente : au lieu d’effectuer les calculs sur des circuits électroniques, elle laisse la lumière effectuer les opérations pendant qu’elle traverse un mince film magnétique. Le résultat est un petit « cerveau » optique reprogrammable capable de classer des images rapidement en consommant très peu d’énergie, ouvrant la voie à des caméras futures qui comprennent la scène dès que la lumière atteint leurs capteurs.

Laisser la lumière faire le calcul

Les réseaux neuronaux conventionnels, qui alimentent de nombreuses applications d’IA, fonctionnent sur des puces en silicium qui déplacent des électrons. Cela coûte de l’énergie et prend du temps. En revanche, les réseaux neuronaux diffractifs utilisent des couches transparentes finement structurées pour que la lumière entrante se courbe, interfère et se diffuse de manière à réaliser les mêmes calculs. Chaque minuscule zone de ces couches agit comme un neurone, modulant la phase de la lumière — l’alignement de ses ondes — de sorte que différentes images d’entrée produisent des motifs de luminosité différents à la sortie.

Ajouter le magnétisme pour plus de flexibilité

Le problème des conceptions optiques précédentes est que, une fois fabriquées, leurs motifs sont en grande partie figés. Pour changer de tâche — passer de la lecture de chiffres manuscrits à la détection de chaussures ou de chemises — il faut souvent un nouvel appareil. L’équipe à l’origine de ce travail construit plutôt la couche clé à partir d’un film magnéo-optique, un matériau vitreux dont de minuscules domaines magnétiques font tourner la polarisation de la lumière qui le traverse. Ces domaines peuvent être écrits, effacés et réécrits à l’aide d’un laser et d’un champ magnétique, comme l’enregistrement sur un ancien disque magnéo-optique. Cela rend le réseau neuronal optique reconfigurable : le même morceau de film peut être redessiné sur place pour de nouvelles tâches de reconnaissance.

Transformer un effet faible en signal fort

À lui seul, le tour que le film magnétique imprime à la lumière est assez faible — bien moindre que ce que peuvent obtenir les écrans à cristaux liquides — et il pourrait sembler insuffisant pour construire un calculateur puissant. Les auteurs surmontent cela en exploitant un effet de diffraction subtil. Lorsque la lumière polarisée frappe les domaines magnétiques structurés, différentes parties de la lumière sortante acquièrent des directions de polarisation décalées d’un angle droit. En plaçant un polariseur après le film, le montage supprime les composantes du faisceau peu modifiées et conserve principalement la composante fortement tournée. Ce filtrage astucieux amplifie considérablement le signal utile sans nécessiter de grands déphasages dans le matériau lui‑même.

Des chiffres aux articles de mode

Pour tester leur conception, les chercheurs ont entraîné une seule couche magnéo-optique, associée au polariseur, à reconnaître des images issues de jeux de données de référence standard. Dans des simulations informatiques, le système a classé correctement des chiffres manuscrits dans environ 98 % des cas — comparable à des réseaux optiques plus complexes reposant sur un contrôle de phase plus fort. Il a également traité un ensemble plus difficile d’images de vêtements avec près de 89 % de précision lorsque suffisamment de « neurones » magnétiques minuscules étaient utilisés. L’équipe a ensuite construit une version réelle utilisant un film de grenat contenant du bismuth et du gallium, un laser vert et une caméra. Même avec des imperfections pratiques, le dispositif physique a atteint plus de 83 % de précision pour les chiffres et 71 % pour les articles de mode, et il pouvait basculer entre ces tâches simplement en réécrivant le motif magnétique.

Vers des caméras qui perçoivent et décident sur la puce

En termes simples, ce travail montre qu’un film magnétique fin et réinscriptible peut servir de couche pensante pour un système d’IA optique, malgré sa capacité limitée à déformer la lumière qui le traverse. En combinant astucieusement diffraction et polarisation, les auteurs tirent une forte capacité de reconnaissance de motifs de propriétés matérielles modestes. Parce que l’appareil est compact, n’a pas besoin d’alimentation pour maintenir son état magnétique et fonctionne aux longueurs d’onde visibles, il pourrait un jour être intégré directement au-dessus des capteurs d’image. De telles caméras « en périphérie » ne se contenteraient pas de capturer des scènes mais les interpréteraient instantanément — reconnaissant des chiffres, des objets ou des panneaux de signalisation — tout en consommant bien moins d’énergie que les processeurs numériques actuels.

Citation: Sakaguchi, H., Watanabe, K., Ikeda, J. et al. Reconfigurable magneto-optical diffractive neural network with enhanced optical phase modulation. Sci Rep 16, 8920 (2026). https://doi.org/10.1038/s41598-026-42193-9

Mots-clés: calcul photonique, réseaux neuronaux optiques, matériaux magnéo-optiques, classification d'images, matériel neuromorphique