Design Reverso e Otimização de Dispositivos Nanofotônicos para Fotônica Integrada e Tecnologias Quânticas

• Processo: 25/10637-3
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
• Data de Início da vigência: 01 de novembro de 2025
• Data de Término da vigência: 31 de janeiro de 2030
• Área de conhecimento: Ciências Exatas e da Terra - Física - Física da Matéria Condensada
• Pesquisador responsável: Euclydes Marega Junior
• Beneficiário: Vinícius Bastos Marcos
• Instituição Sede: Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 21/03311-3 - Regime extremo da interação de luz-matéria em estruturas plasmônicas acopladas com materiais 2D, AP.R
• Assunto(s): Aprendizado computacional Metasuperfícies Redes neurais Simulação numérica Nanofotônica
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | design reverso | Metasuperfícies | Redes neurais | redes neurais informadas pela física | Simulação Numérica | Nanofotônica

Resumo

Esta proposta de doutorado tem como objetivo o desenvolvimento de metodologias computacionais avançadas para o estudo e a engenharia de estruturas nanofotônicas, com foco em redes periódicas, materiais bidimensionais (2D) e suas interações. Tais sistemas apresentam capacidades únicas de manipular a luz em escalas abaixo do limite de difração, possibilitando aplicações em fotônica integrada, sensoriamento óptico e tecnologias quânticas. O trabalho envolve a simulação de propriedades ópticas e eletromagnéticas dessas estruturas por meio do método de diferenças finitas no domínio do tempo (FDTD), uma técnica numérica robusta para a resolução das equações de Maxwell. Serão analisados aspectos fundamentais como confinamento e modulação de campo, ressonâncias plasmônicas, eficiência de transmissão e acoplamento com materiais. Além disso, o projeto contempla a simulação quântica das interações luz-matéria, explorando fenômenos como acoplamento forte, formação de excitón-poláritons em sistemas híbridos. Esta abordagem visa aprofundar a compreensão dos mecanismos quânticos que governam o comportamento óptico de materiais bidimensionais e metasuperfícies, contribuindo para o desenvolvimento de dispositivos nanofotônicos multifuncionais e de alta performance. Serão aplicadas técnicas de aprendizado de máquina, com ênfase em redes neurais profundas (Deep Neural Networks - DNNs) e redes neurais informadas por física (Physics-Informed Neural Networks - PINNs), para modelagem preditiva e design inverso dos dispositivos. A integração dessas técnicas permitirá acelerar o processo de projeto e otimização das estruturas, incorporando conhecimento físico para melhorar a precisão e generalização dos modelos. Ao unir simulações físicas tradicionais, modelagem quântica e inteligência artificial, esta pesquisa propõe uma abordagem inovadora para a engenharia de estruturas ópticas, com potencial impacto em telecomunicações, óptica quântica, sensores avançados e machine learning aplicado à física da matéria. (AU)