CNRS La lettre innovation

Partenariats, création d'entreprises, brevets, licences, événement... Retrouvez tous les mois les dernières actualités de la valorisation et de l'innovation au CNRS.

Créations d'entreprise

Entrée en incubation de la start-up LightOn

La start-up LightOn vient de voir le jour et sera incubée par Agoranov. Elle repose sur l’invention brevetée1 d’un nouveau coprocesseur optique ultra rapide et peu gourmand en énergie pour le big data. Le cœur du projet est le développement d’appareils basés sur le contrôle et la propagation de la lumière, qui pourraient être utilisés comme coprocesseurs ultra-rapides pour le traitement des données.

illustration

Ce projet repose sur une longue collaboration interdisciplinaire, dans le domaine du traitement optique de données, entre les six co-inventeurs dont des chercheurs du Laboratoire Kastler-Brossel (UPMC/CNRS/ENS/Collège de France), de l’Institut Langevin (ESPCI/Université Paris Diderot/UPMC/CNRSINSERM) et du Laboratoire de physique statistique (ENS/CNRS/UPMC) 

Sylvain Gigan, spécialiste de l’optique en milieux complexes, du Laboratoire Kastler-Brossel, Laurent Daudet, spécialiste de traitement du signal de l’Institut Langevin, Florent Krzakala, spécialiste de physique statistique appliquée à l’algorithmique du Laboratoire de physique statistique, Igor Carron, spécialiste de Machine Learning, Alaa Saade, doctorante dans le Laboratoire de physique statistique et Angélique Drémeau, une post-doctorante dans le Laboratoire de physique statistique, ont exploré comment l’optique des milieux complexes pouvait bénéficier des techniques de traitement du signal, et vice versa. Ils ont montré que l’optique pouvait permettre de réaliser de manière simple une opération de calcul pour l’apprentissage statistique particulièrement laborieuse à implémenter in silico : le mélange aléatoire, idée à la base du projet de valorisation.

La solution proposée par LightOn vise à exploiter un nouveau type d’algorithmes, qui se développent rapidement depuis quelques années, basés sur les projections aléatoires des données. “Mélanger” les données de façon contrôlée et reproductible permet de faire ressortir l’information pertinente, en d’autres termes de garder la structure intrinsèque des données en s’affranchissant de leur grande variabilité. On peut par exemple utiliser le résultat de ces projections aléatoires comme entrée d’algorithmes très simples de classification. Le facteur limitant actuellement l’adoption rapide de tels algorithmes randomisés est le calcul de ces projections aléatoires. La solution apportée par LightOn consiste à réaliser cette opération de manière optique  sans calcul numérique et de façon presque instantanée, avec une dépense marginale d’énergie. Cette technologie peut être implémentée sur des tailles de données impossibles à traiter de manière conventionnelle avec les co-processeurs graphiques GPU les plus performants.

La technologie LightOn apporte donc potentiellement une alternative aux processeurs génériques (CPU) et co-processeurs spécialisés (GPU) pour répondre à la croissance exponentielle du volume de données. Avec une très faible consommation électrique par rapport aux solutions basées sur CPU/GPU (quelques Watts seulement contre plusieurs dizaines voire centaines de Watts), cette technologie permettrait également aux algorithmes d'apprentissage statistique de traiter les données de très grande taille (par exemple en génomique ou de l'internet des Objets), tout en permettant de pallier à l’explosion des dépenses énergétiques liées au traitement de ces données. Enfin, la technologie LightOn pourrait également apporter une solution aux problèmes très actuels de la sécurité et de l’anonymisation des données.

1 Brevet EP 15305165, Digital-data mixing apparatus and digital-data processing system, déposé le 4 février 2015 aux noms du CNRS, La Fondation Paris Sciences et Lettres, ESPCI INNOV, Université Paris Diderot - Paris 7, et M. Igor CARRON.  

Contacts :

Sylvain Gigan / Laboratoire Kastler-Brossel / sylvain.gigan@lkb.ens.fr

Florent Krzakala / Laboratoire de physique statistique / florent.krzakala@lps.ens.fr

Laurent Daudet / Institut Langevin Ondes et Images / laurent.daudet@espci.fr

Marie Signoret / Institut de physique / marie.signoret@cnrs-dir.fr

Muriel Ilous / Institut des sciences de l'ingénieurie et des systèmes du CNRS / muriel.ilous@cnrs-dir.fr