Le CNRC cartographie l'espace conceptuel global des dispositifs nanophotoniques en recourant à la reconnaissance des formes par l'apprentissage automatique

L'avènement des réseaux de téléphonie mobile 5G et la technologie de l'Internet des objets (IdO) ont considérablement accru la demande pour les réseaux à haute performance. La 5G promet une plus grande largeur de bande et un téléchargement plus rapide, soit à une vitesse allant jusqu'à 10 gigabits par seconde; de son côté, l'IdO est bien connu parce qu'il est l'épine dorsale de la domotique, cet éventail de dispositifs et d'électroménagers, tels les appareils d'éclairage, les thermostats et les systèmes de sécurité que l'on installe chez soi et que l'on commande à distance grâce à d'autres appareils comme des téléphones et haut-parleurs intelligents.

La forte hausse de connectivité qu'exigent ces technologies signifie qu'il faut rehausser la performance des composants nanophotoniques qui émettent et captent les informations par le truchement des réseaux de télécommunication. Or, de tels progrès ne peuvent survenir que par des innovations apportées à la conception de ces composants. Des scientifiques du Centre de recherche en électronique et photonique avancées et du Centre de recherche en technologies numériques du Conseil national de recherches du Canada (CNRC) ont vu leurs travaux dans ce domaine publiés dans Nature Communications. L'article, intitulé « Mapping the global design space of nanophotonic components using machine learning pattern recognition » (en anglais seulement) décrit une méthode qui fait appel à l'apprentissage automatique pour tracer et caractériser avec efficacité l'espace conceptuel, complexe et multidimensionnel, qu'occupent les composants nanophotoniques.

Ces nouvelles recherches du CNRC constituent un pas de géant vers l'élaboration de méthodes qui aboutiront à l'optimisation de maints objectifs en conception et nous éclaireront sur la manière dont cette dernière influe sur la performance.

Grâce aux programmes Défi Réseaux sécurisés à haut débit et L'intelligence artificielle au service de la conception, les deux centres de recherche du CNRC ont développé une approche inédite en conception. L'approche suppose la résolution d'un problème par réduction du nombre de dimensions au moyen de l'apprentissage machine. En vertu de ce processus, on caractérise toutes les solutions théoriques envisageables à partir d'un petit jeu de paramètres issus d'un nombre initialement restreint de modèles. Par sa compacité, la représentation met en relief la performance du dispositif, mais aussi ses différences structurales et ses limites. Quand bien même le concept compterait de nombreux paramètres au départ, l'approche permet au concepteur de se faire une idée du comportement du dispositif et d'avoir une vision claire de l'espace qu'il occupe. Il peut donc élaborer un meilleur concept en fonction des priorités associées à une éventuelle application.

Le projet de recherche sur la conception de dispositifs photoniques assistée par apprentissage machine a vu le jour il y a environ 2 ans, quand Dan-Xia Xu, de Centre de recherche en électronique et photonique avancées, s'est demandée comment on pourrait se servir de l'apprentissage automatique pour créer de meilleurs composants photoniques. Après de nombreuses discussions avec ses collègues, dont Yuri Grinberg, du Centre de recherche en technologies numériques, et ses collaborateurs de l'Université de Málaga, en Espagne, l'équipe s'est lancée dans une nouvelle aventure scientifique. Combinant leur savoir-faire dans la conception de dispositifs photoniques et en intelligence artificielle, ses membres en sont venus à la conclusion que l'apprentissage machine se prête à merveille à la résolution des difficultés que soulève la recherche d'un concept approprié dans un espace théorique à dimensions multiples.

Selon Daniele Melati, l'un des principaux auteurs de l'article paru dans Nature Communications, pour développer un dispositif photonique, « on se fie à ses connaissances et à son intuition afin d'en déterminer la structure potentielle et la plage des paramètres théoriques. Ensuite, des outils analytiques et numériques permettent de ramener quelques-uns de ces paramètres à des valeurs raisonnables. On écarte les autres, on simule la réaction du dispositif et recommence jusqu'à ce que l'on ait bien saisi la manière générale dont il se comporte et les effets de chaque paramètre sur son fonctionnement. À mesure que la photonique gagne en complexité, cependant, cette approche classique devient malcommode. »

Approcher les problèmes de conception multidimensionnels selon une perspective globale constitue un changement radical dans la création des composants nanophotoniques modernes, et la nouvelle méthode procure des moyens puissants pour approfondir la complexité des appareils de la prochaine génération.