Les nouvelles techniques d'optimisation telles que la rétro-ingénierie nanophotonique sont des outils prometteurs qui sont susceptibles de réduire considérablement la taille des composants photoniques passifs en silicium tout en préservant leurs fonctionnalités et leurs performances. L'optimisation d'un composant reste cependant chronophage lorsque l'on permet l'introduction de formes géométriques arbitraires. Ce projet vise à accélérer le processus d'optimisation dans ce contexte en exploitant les possibilités de la physique, des techniques d'optimisation et de l'apprentissage automatique. Ces améliorations devraient faire avancer les capacités de conception en général et permettre la création d'ensembles de données utiles et conséquents pour l'application ultérieure, en particulier, de méthodes de reconnaissance de motifs.
Équipe
Yuri Grinberg, Ph. D.
M. Yuri Grinberg est agent de recherche associé au Conseil national de recherches du Canada (CNRC). Il est également un expert de la théorie et l'application de l'apprentissage automatique et de l'apprentissage par renforcement. Il s'intéresse principalement à faire progresser les techniques d'apprentissage automatique d'avant-garde pour résoudre des problèmes en physique et en génie. Il s'intéresse en particulier à la mise au point de méthodes d'IA pour concevoir des composants photoniques efficaces, de petite taille et beaucoup plus faciles à fabriquer.
Pour en savoir plus, consultez la page sur les travaux de recherche de M. Grinberg (en anglais seulement) et ses publications.
Dan-Xia Xu, Ph. D.
Mme Dan-Xia Xu est agente principale de recherche au Conseil national de recherches Canada, membre de la Société royale du Canada et de l'Optical Society (OSA) et professeure auxiliaire à l'Université Carleton. Ses travaux de recherche sont axés sur la photonique au silicium pour les communications optiques, la thermométrie photonique, la détection moléculaire et d'autres avancées dans ces domaines. Elle a dirigé des travaux d'avant-garde sur l'ingénierie axée sur les contraintes au niveau des gaines pour le contrôle de la polarisation des composants photoniques et sur les systèmes de biocapteurs hautement sensibles dotés de résonateurs à fils de silicium en spirale. Un de ses récents centres d'intérêt porte sur la refonte du cycle traditionnel de conception et de découverte dans le domaine de la photonique grâce à l'utilisation de méthodes basées sur l'intelligence artificielle (IA) et l'apprentissage automatique (AA). L'objectif de ces travaux est de créer des méthodes computationnelles basées sur l'IA et l'AA qui viendront renforcer les connaissances et l'intuition des concepteurs. Cela permettra d'accélérer la conception des composants photoniques tout en facilitant la découverte spontanée de conceptions très performantes, mais non intuitives.