Les réseaux neuromorphiques pour le traitement d’informations ont pris une place importante aujourd’hui
notamment du fait de la montée en complexité des tâches à effectuer : reconnaissance vocale, corrélation
d’images dynamiques, prise de décision rapide multidimensionnelle, fusion de données, optimisation
comportementale, etc… Il existe plusieurs types de tels réseaux et parmi ceux-ci les réseaux impulsionnels,
c’est-à-dire, ceux dont le fonctionnement est calqué sur celui des neurones corticales. Ce sont ceux qui
devraient offrir le meilleur rendement énergétique donc le meilleur passage à l’échelle. Plusieurs
démonstrations de neurones artificielles ont été menées avec des circuits électroniques et plus récemment
photoniques. La densité d’intégration de la filière photonique sur silicium est un atout pour créer des circuits
suffisamment complexes pour espérer réaliser des démonstrations complètes. Le but de la thèse est donc
d’exploiter une architecture de réseau neuromorphique impulsionnel à base de lasers à bascule de gain (Q
switch) intégrés sur silicium et d’un circuit d’interconnexion ultra-dense et reconfigurable apte à imiter les
poids synaptiques. Une modélisation complète du circuit est attendue avec, à la clé la démonstration pratique
d’une application dans la résolution d’un problème mathématique à définir.