Ty Tkacik
Une équipe de chercheurs américains a conçu une nouvelle approche rationalisée pour concevoir des métasurfaces, une classe de matériaux structurés capables de manipuler la lumière et d’autres formes de rayonnement électromagnétique uniquement par leur structure. Ce processus d’optimisation rapide pourrait aider à fabriquer des systèmes optiques avancés comme des objectifs d’appareils photo, des casques de réalité virtuelle, des imageurs holographiques et plus encore, a déclaré l’équipe.
La méthode qui utilise des modèles de langage de grande taille (LLM) pour prédire avec précision comment une métasurface influencera la lumière. Les LLM sont un type de modèle d’intelligence artificielle (IA) capable d’apprendre et d’améliorer une action au fil du temps sur la base de données d’entraînement fournies et de comportements répétés. Cette approche contourne le processus traditionnel de simulation des métasurfaces qui nécessitait des connaissances approfondies du domaine et beaucoup de temps, permettant aux ingénieurs de concevoir rapidement ces matériaux nanoscopiques et de prédire leur influence sur la lumière uniquement via des instructions données à l’IA.
Selon Doug Werner, titulaire de la chaire John L. et Genevieve H. McCain en génie électrique et auteur correspondant de l’étude, les métasurfaces offrent beaucoup plus de flexibilité et de capacités que les matériaux traditionnels dans les dispositifs nanophotoniques — des systèmes capables de manipuler la lumière à une échelle encore plus petite que la longueur d’onde de la lumière visible.
« Vous ne pouvez aller que jusqu’à un certain point en utilisant des matériaux naturels lorsque vous essayez de manipuler la lumière ou d’autres types d’ondes électromagnétiques », a expliqué Werner. « Grâce à la structure des cellules unitaires sub-longueur d’onde qui composent les matériaux, les métasurfaces peuvent manipuler le comportement de la lumière à un niveau nanoscopique, nous permettant de réduire la taille des systèmes optiques traditionnellement très encombrants. »
Malgré leur utilité, les métasurfaces sont difficiles à développer, selon Haunshu Zhang, un doctorant en troisième année de génie électrique et premier auteur de l’article. Zhang a déclaré que bien que l’IA ait été intégrée au processus de développement depuis quelques années sous la forme de réseaux neuronaux d’apprentissage profond, qui imitent la manière non linéaire dont les cerveaux humains peuvent établir des connexions, les chercheurs devaient encore passer par le processus long et nécessitant des connaissances approfondies de simulation des conceptions potentielles et de construction d’un réseau neuronal personnalisé pour chaque métasurface.
Ce problème l’a inspiré à intégrer les LLM dans le processus.
« La principale limitation des méthodes actuelles basées sur les réseaux neuronaux est que vous devez essayer de nombreuses configurations de réseaux neuronaux pour en trouver une qui prédise avec précision comment une métasurface interagira avec la lumière », a déclaré Zhang. « En entraînant des LLM, nous pouvons prédire avec précision comment une métasurface interagira avec la lumière en quelques secondes, contre des heures, des jours ou même des mois auparavant, sans avoir besoin d’une expertise IA spécialisée ou d’innombrables essais. »
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
L’équipe a comparé ses prédictions générées par LLM à des métasurfaces simulées par ordinateur pour tester sa méthode. Les LLM prédisaient comment la lumière réagirait lorsqu’elle serait exposée à une métasurface avec des « points de contrôle » désignés qui transformaient la conception en une forme souhaitée. L’équipe a ensuite entraîné et comparé ces prédictions à un ensemble de données de plus de 45 000 conceptions de métasurfaces générées aléatoirement. L’équipe a constaté que son approche fournissait des prédictions très précises de la façon dont la lumière interagirait avec les métasurfaces, tout en éliminant efficacement le processus de conception de réseau neuronal long et fastidieux.
L’efficacité accrue permet aux chercheurs de se concentrer sur le développement de ce que Lei Kang , professeur associé de recherche en génie électrique et co-auteur de l’article, a appelé des éléments de métasurface « de forme arbitraire » . Lei a expliqué comment, par rapport aux formes standardisées comme les cylindres ou les cubes, l’utilisation de formes hautement spécialisées dans la conception des métasurfaces peut avoir un impact significatif sur les performances et l’efficacité — mais ces conceptions de forme libre présentent un inconvénient substantiel.
« Les conceptions arbitraires permettent aux chercheurs de créer des métasurfaces spécifiques à une application qui surpassent largement les conceptions basées sur des formes traditionnelles », a déclaré Lei. « Cependant, ces conceptions ne pouvaient pas être optimisées et testées efficacement car les méthodes de simulation traditionnelles prenaient un temps impraticablement long. En intégrant les prédictions des LLM, nous pouvons voir comment les métasurfaces influenceront la lumière à des vitesses sans précédent. »
La nouvelle méthode rend également l’ingénierie des métasurfaces extrêmement accessible, selon Sawyer Campbell , professeur associé de génie électrique et co-auteur de l’article. Les LLM sont très performants en « conception inverse » , c’est-à-dire en partant du résultat souhaité et en remontant pour trouver le système, le matériau, la structure ou la combinaison de facteurs exacts qui le produit, a-t-il déclaré. Bien que la conception inverse des métasurfaces était possible auparavant, le processus de simulation signifiait qu’elle pouvait parfois prendre plusieurs semaines ou mois, selon Campbell.
À l’avenir, l’équipe prévoit de continuer à développer et à optimiser cette nouvelle approche. Selon Werner, l’objectif principal est de réduire considérablement le temps et la complexité de conception des dispositifs utilisant des métasurfaces, accélérant ainsi leur développement et leur intégration dans des applications nanophotoniques commerciales dans les secteurs de la santé, de la défense, de l’énergie et de l’électronique grand public.
« Nous pensons que cette approche pourrait inaugurer une nouvelle norme pour la manière dont les ingénieurs et les chercheurs de l’industrie abordent le développement de dispositifs nanophotoniques », a déclaré Werner. « Avec cette nouvelle méthode, les chercheurs non familiers avec le processus complexe de conception des métasurfaces peuvent s’adresser aux LLM avec une explication de ce dont ils ont besoin et le générer efficacement. »
Source : PennState
