Réimplémenter Deep physical neural networks trained with backpropagation, puis remplacer le pulse shaper par un device cheap, remplacer le SHG par une autre non-linéarité non triviale.
On a un signal encodé dans un pulse de laser. Ce laser emmet un certain spectre $s:ℝ→ℂ$ où $s(λ)$ est le nombre complexe qui contient l'amplitude et la phase du signal. On passe ce signal dans un pulse shaper qui va appliquer $h:ℝ→ℂ$ en multipliant $(s⋅h)(λ)$
la fonction $h$ est tunée pour contenir les inputs, mais aussi un ensemble de paramètres.
On va alors passer le signal dans un matériau qui répond avec une polarisation comme $$P(ω) = χ^{(1)}E(ω) + ∫dφ\;E(ω-φ)χ^{(2)}E(φ)$$
L'idée est alors de trouver les bonnes valeurs des paramètres libres de $h$ pour que ce processus réalise un calcul désiré en fonction des inputs.