Ce travail porte sur la simulation et la mise en œuvre d’un réseau de neurones optique diffractif pour la classification de caractères manuscrits. Dans un premier temps, un système optique 4f a été simulé sous Python afin de valider l’approche numérique de propagation du champ lumineux. Les lentilles ont ensuite été remplacées par des masques de phase entraînables, constituant les couches du réseau optique diffractif. Le modèle a été entraîné sur un sous-ensemble du jeu de données EMNIST, composé des lettres A à I. Les résultats numériques montrent que le modèle est capable de classifier correctement plusieurs caractères manuscrits. Enfin, une première mise en œuvre expérimentale a été abordée à l’aide d’un modulateur spatial de lumière. Les résultats expérimentaux restent cependant limités par les difficultés rencontrées lors de l’utilisation du SLM, notamment la contribution
importante de l’ordre zéro.
This work focuses on the simulation and implementation of a diffractive optical neural network for handwritten character classification. First, a 4f optical system was simulated in Python to validate the numerical approach used for free-space optical field propagation. The lenses were then replaced by trainable phase masks forming the layers of the diffractive optical neural network. The model was trained on a subset of the EMNIST dataset, containing letters from A to I. The numerical results demonstrate the ability of the model to correctly classify several handwritten characters. Finally, a first experimental implementation was carried out using a spatial light modulator. However, the experimental results were limited by technical difficulties related to the SLM, in particular the strong contribution of the zeroth diffraction order.