Réseaux neuronaux profonds pour la conception de dispositifs photoniques – DNN4Photonics

La conception de dispositifs nanophotoniques toujours plus complexes requiert des approches de modélisation novatrices en rupture des pratiques classiques. Pour relever ces défis et accélérer le processus de conception, des études récentes ont exploré le potentiel de l'intelligence artificielle (IA), en particulier l'apprentissage profond (DL), pour développer des modèles de substitution rapides dans la caractérisation numérique des interactions lumière-matière micro/nanostructurée. Le DL est une approche attrayante pour les problèmes mettant en jeu des données volumineuses. Elle a connu un succès considérable dans les domaines de la vision artificielle et du traitement du langage naturel. En particulier, les réseaux neuronaux artificiels (NN) sont désormais étudiés et appliqués au calcul scientifique dans divers domaines physiques. Dans le projet DNN4Photonics, notre objectif principal est de développer des méthodologies innovantes reposant sur les réseaux neuronaux profonds (DNN) pour la modélisation et l'optimisation de diverses configurations de métasurface, avec un accent particulier sur les structures de grande taille. Nous proposons d’explorer des techniques de DL pilotées par les données pour construire des modèles de substitution rapides et fiables capables de simuler la propagation de la lumière dans domaines spatiaux tridimensionnels impliquant des objets diffusants complexes. En outre, dans DNN4Photonics, l'accent est mis sur la recherche d'une formulation intelligente et efficace pour la conception inverse basée sur des DNN (par exemple, la récupération de la morphologie structurelle d'une métasurface en fonction d'une fonction cible) adaptée aux dispositifs photoniques à grande échelle. Il s'agit non seulement d'améliorer l'efficacité et la fiabilité de la modélisation des métasurfaces à grande échelle, mais aussi d'adapter stratégiquement les conceptions aux applications exigeant une grande précision, telles que l'optimisation de métalentilles RGB dans le visible de taille micrométrique et millimétrique. Nous identifions trois catégories de dispositifs qui seront modélisés et mis en œuvre expérimentalement au cours de DNN4Photonics. Chacune d'entre elles comporte un potentiel d'exploitation rapide de la technologie par le dépôt d'un brevet sur la conception et un déploiement commercial rapide grâce à la présence d'un partenaire industriel.