Redes Neurais Profundas para o projeto de dispositivos fotônicos

• Processo: 24/04835-4
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de outubro de 2024
• Data de Término da vigência: 30 de setembro de 2027
• Área do conhecimento: Engenharias - Engenharia Elétrica - Telecomunicações
• Acordo de Cooperação: ANR
• Pesquisador responsável: Hugo Enrique Hernández Figueroa
• Beneficiário: Hugo Enrique Hernández Figueroa
• Pesquisador Responsável no exterior: Stéphane Lanteri
• Instituição Parceira no exterior: Institut National de Recherche en Informatique et en Automatique (INRIA Sophia Antipolis), França
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Pesquisadores associados: Silvia Vaz Guerra Nista ; Silvio Domingos Silva Santos
• Assunto(s): Aprendizagem profunda Nanofotônica Fotônica integrada
• Palavra(s)-Chave do Pesquisador: aprendizagem profunda | Metalentes | metaóptica | Metassuperfícies | micro e nano fabricação | nanofotônica | Fotônica integrada

Resumo

A precisão possibilitada por materiais nanoestruturados no controle das interações luz-matéria na escala nanométrica tem promovido uma mudança transformadora na nanofotônica. Este campo interdisciplinar, que investiga a interação de ondas de luz com matéria nanoestruturada, está testemunhando um aumento significativo em sua importância científica e tecnológica. Em particular, a pesquisa em metassuperfícies transcendeu fronteiras acadêmicas, ganhando impulso em aplicações mainstream e oferecendo contribuições substanciais para o desenvolvimento pioneiro de produtos. As metassuperfícies, exemplificando a vanguarda da nanofotônica, enfrentam desafios, especialmente com dispositivos fotônicos em larga escala como metalentes. Projetar tais dispositivos com base em modelos físicos exige métodos computacionais avançados devido às complexidades amplificadas por estruturas em larga escala e estruturação intricada de materiais em estruturas de dimensões inferiores a um comprimento de onda (subwavelength). Enfrentar esses desafios é crucial para o projeto de dispositivos nanofotônicos em larga escala essenciais em diversas aplicações como óptica a laser, imagens, microscopia e direcionamento ativo de feixes.Para acelerar o processo de design e superar limitações computacionais, estudos recentes exploram o potencial da Inteligência Artificial (IA), particularmente do Aprendizado Profundo (DL), para o desenvolvimento de modelos de substituição rápidos. Este projeto, chamado DNN4Photonics, será desenvolvido por equipes do INRIA (França) e UNICAMP (Brasil), lideradas por Stéphane Lanteri e Hugo Figueroa, respectivamente, e contará com o apoio da empresa francesa SOLNIL. O objetivo principal é desenvolver metodologias inovadoras baseadas em Redes Neurais Profundas (DNN) para modelar e otimizar diversas configurações de metassuperfícies, enfatizando estruturas em larga escala. Nosso foco de pesquisa concentra-se em explorar técnicas de DL orientadas por dados para fornecer substitutos rápidos e confiáveis para simular domínios espaciais tridimensionais complexos envolvendo objetos de espalhamento. Além disso, pretendemos elaborar formulações inteligentes e eficientes para estratégias de design inverso baseadas em DNN, adaptadas para dispositivos fotônicos em larga escala, aprimorando a eficiência e confiabilidade do modelo enquanto adaptamos os designs para aplicações que exigem alta precisão.Três classes de dispositivos serão modeladas e implementadas experimentalmente durante o DNN4Photonics, com potencial comercialização rápida facilitada por nosso parceiro não acadêmico, SOLNIL. Estes incluem metalentes em pequena escala otimizados para displays de micro-LEDs, uma metalente em larga escala para imagens microscópicas acromáticas e uma metassuperfície em larga escala para aplicações de lasers de alta potência. Nosso foco em frequências visíveis, relevantes para a visão humana e lasers de alta potência para processos industriais, destaca a versatilidade e aplicabilidade de nossas metodologias propostas para enfrentar desafios do mundo real em nanofotônica. As novas metassuperfícies projetadas também serão fabricadas e caracterizadas. (AU)