University of Michigan

Objet publié

Ce projet se concentrera sur l’adaptation d’un cadriciel général d’apprentissage en vue d’améliorer une méthode de conception pour les nanocomposants photoniques. De nouvelles techniques d’optimisation comme la conception inversée en nanophotonique promettent de réduire passablement la taille des composants en silicium sans que leurs fonctionnalités et leur performance en souffrent. Bien que des publications confirment la miniaturisation de divers dispositifs d’une taille et d’un facteur de forme prédéterminés, pour l’instant, ces dispositifs sont moins performants que les dispositifs usuels, beaucoup plus grands. En outre, les modèles s’adaptent très mal, en raison de leur conception. Sachant cela, les progrès récemment réalisés au niveau des modèles d’apprentissage générateurs qui recourent à une architecture contradictoire pourraient constituer une percée technologique. Plus précisément, cette forme d’apprentissage encadre la création de modèles fondés sur les réseaux neuronaux, capables de produire un ensemble varié d’instances utiles dans un espace multidimensionnel. Les modèles de ce genre se caractérisent par une bonne performance en pareil contexte.