École Nationale Supérieure de
Techniques Avancées

Résumé

Les avancées dans les technologies de nanofabrication ont ouvert de nouvelles perspectives pour contrôler précisément le comportement de la lumière à l’aide de nano-dispositifs fabriqués sur puce, en particulier la photonique basée sur le silicium, reconnue comme plateforme privilégiée pour la réalisation de dispositifs miniaturisés dans une grande variété de domaines d’application, tels que les communications optiques, les capteurs, le calcul en apprentissage automatique et l’imagerie. La subtilité des interactions lumière-matière dans ces dispositifs rend leur modélisation analytique particulièrement difficile. Le développement et la conception de ces dispositifs nécessitent des outils de calcul longs et coûteux, comme les simulations Finite-Difference Time-Domain(FDTD), pour traiter numériquement les équations de Maxwell et simuler le comportement de la lumière. En revanche, les algorithmes d’apprentissage automatique peuvent, à partir d’un ensemble de données d’entraînement, construire des modèles physiques complexes. Ces modèles peuvent ensuite être utilisés pour concevoir très efficacement de nouvelles structures photoniques novatrices présentant les propriétés optiques souhaitées. Le projet consiste à remplacer les longues simulations FDTD par un modèle de machine learning capable de prédire efficacement les caractéristiques des guides d’onde en fonction de leurs paramètres de conception, permettant ainsi de gagner du temps, de faciliter l’accès à des outils de conception avancés et d’accélérer le développement de dispositifs photoniques intégrés.