W poniedziałek, 4 KWIETNIA, O GODZ. 16.30 odbędzie się Konwersatorium im. Jerzego Pniewskiego i Leopolda Infelda Wydziału Fizyki UW. Spotkanie będzie miało wyłącznie formę online (obowiązuje rejestracja). Naszym gościem będzie:

prof. Michał Matuszewski,
Instytut Fizyki Polskiej Akademii Nauk, Warszawa

który wygłosi wykład: "Efficient optical computing with exciton-polaritons".

Jest coraz więcej wskazań, że obliczenia przyszłości będą wykorzystywać fotony zamiast obecnie stosowanych elektronów. Co więcej, nowoczesne kierunki w przetwarzaniu informacji, takie jak uczenie maszynowe oparte na systemach fizycznych, wymagają silnych nieliniowości. Zastosowanie polarytonów ekscytonowych będących superpozycją fotonu i wzbudzenia kryształu półprzewodnikowego jest w tym kontekście bardzo obiecujące. W wykładzie przedstawione zostaną najnowsze osiągnięcia w dziedzinie obliczeń wykorzystujących światło, w szczególności z wykorzystaniem polarytonów ekscytonowych.

Rejestracja:

• Osoby, które rejestrowały się na Konwersatorium począwszy od 13.12.2021 NIE muszą się rejestrować.
• Osoby te w dniu Konwersatorium otrzymają przypomnienie z linkiem pozwalającym na uczestnictwo w wykładzie.
• Osoby, które nie uczestniczyły w poprzednich Konwersatoriach proszone są o rejestrację na spotkanie poprzez kliknięcie na link: https://us02web.zoom.us/meeting/register/tZIpcOuurDwoHtKL-lYSDQP7e_bd31iTMbhx

Po zarejestrowaniu się otrzymają Państwo potwierdzenie e-mailowe z informacjami jak dołączyć do spotkania.

• Zdecydowanie zalecamy, aby podczas rejestracji podawać służbowy, a nie prywatny adres email.
• Zachęcamy do niepozostawiania rejestracji na ostatnią chwilę. Osobom rejestrującym się późno nie gwarantujemy dołączenia do spotkania o czasie.

Na nieformalne rozmowy zapraszamy od godz. 16.00.

Serdecznie zapraszamy,

Barbara Badełek
Jan Chwedeńczuk
Jan Kalinowski
Jan Suffczyński

prof. Michał Matuszewski,
Instytut Fizyki Polskiej Akademii Nauk, Warszawa

Efficient optical computing with exciton-polaritons

Recent years have witnessed remarkable developments in big data, artificial intelligence and neural networks. Machine learning has found wide applications in both research and the industry. This comes at the cost of high levels of energy consumption that are necessary to process large amounts of data. It is expected that over 20% of global electricity use by 2030 will be used for information processing. The performance of complementary metal-oxide semiconductors (CMOS) no longer follows Moore's law [1]. As a result, much research has been aimed at finding an alternative platform for information processing, characterized by high performance and energy efficiency.

In this talk I will review recent progress in machine learning with photons [2,3]. Photonic information processing benefits from high speed, parallelization, low communication losses, and high bandwidth. Fully functional photonic neurons, including spiking neurons, as well as neural networks, have been already realized in laboratories. Several networks achieved high performance in challenging machine learning tasks, such as image and video recognition.

We recently demonstrated hardware neural network systems where strong optical nonlinearity results solely from interactions of exciton-polaritons, quantum superpositions of light and matter [4,5,6]. Such superpositions, in the form of mixed quasiparticles of photons and excitons, are characterized by excellent photon-mediated transport properties and strong exciton-mediated interactions. These semiconductor microcavity systems can be used to construct fully all-optical neural networks characterized by extremely high energy efficiency [7]. We show why using polaritonics in place of standard nonlinear optical phenomena, is the key to achieving such a performance.

[1] M. M. Waldrop, Nature News 530, 144 (2016)
[2] G. Wetzstein, A. Ozcan, S. Gigan, S. Fan, D. Englund, M. Soljacic, C. Denz, D. A. Miller, and D. Psaltis, Nature 588 , 39 (2020)
[3] B. J. Shastri, A. N. Tait, T. F. de Lima, W. H. Pernice, H. Bhaskaran, C. D. Wright, and P. R. Prucnal, Nature Photonics 15, 102 (2021)
[4] A. Opala, S. Ghosh, T. C. Liew, and M. Matuszewski, Physical Review Applied 11 , 064029 (2019)
[5] D. Ballarini, A. Gianfrate, R. Panico, A. Opala, S. Ghosh, L. Dominici, V. Ardizzone, M. De Giorgi, G. Lerario, G. Gigli, Timothy C. H. Liew, Michal Matuszewski, and Daniele Sanvitto, Nano Letters 20, 3506 (2020)
[6] R. Mirek, A. Opala, P. Comaron, M. Furman, M. Król, K. Tyszka, B. Seredynski, D. Ballarini, D. Sanvitto, Timothy C. H. Liew, Wojciech Pacuski, Jan Suffczyński, Jacek Szczytko, Michał Matuszewski, and Barbara Piętka, Nano Letters (2021)
[7] M. Matuszewski, A. Opala, R. Mirek, M. Furman, M. Król, K. Tyszka, T.C.H. Liew, D. Ballarini, D. Sanvitto, J. Szczytko, B. Piętka, Phys. Rev. Appl. 16, 024045 (2021).