Le groupe de Simulation Optique soutient le développement des métasurfaces optiques grâce à des simulations optiques avancées, tant pour la propagation de la lumière que pour la conception de systèmes.

La méthode de Ray Tracing permet l’optimisation et le calcul de la propagation de la lumière dans des systèmes optiques standards avec une grande flexibilité. Cependant, son application à un système basé sur une métasurface présente des limites en raison de l’interaction complexe de la lumière avec les nano-diffuseurs. Des diffractions supplémentaires peuvent survenir, ce qui limite la performance finale du système.

Des méthodes de propagation de la lumière plus rigoureuses, telles que la FDTD ou la RCWA, peuvent être utilisées en alternative. La plupart du temps, ces méthodes rigoureuses requièrent beaucoup plus de temps CPU que le ray tracing. Par conséquent, l’usage standard consiste en des boucles itératives de type essai-erreur (entre la conception optique via le ray tracing et la vérification rigoureuse avec les méthodes de propagation rigoureuses) jusqu’à l’obtention de performances satisfaisantes. Cette approche est chronophage et ne garantit pas toujours des résultats optimaux. De plus, la capacité à traiter l’optique complète dépasse généralement les capacités des solveurs actuels (la propagation de la lumière est alors réalisée sur une partie simplifiée de l’optique complète, en négligeant par exemple les ouvertures).

En alternative, une approche basée sur l’intelligence artificielle, consistant en une conception pilotée par algorithmes, suscite un intérêt croissant dans la communauté scientifique. Des démonstrations de modèles d’IA ont été réalisées chez ST sur des diffuseurs optiques à base de métasurfaces, mais avec des hypothèses simples telles que l’incidence normale et une longueur d’onde monochromatique. De plus, les paramètres technologiques n’ont pas été pris en compte, et le modèle principal repose sur une technologie « figée ».

L’objectif principal de la thèse est d’étendre ces méthodes à des cas plus généraux, incluant l’optique complète (avec une incidence lumineuse arbitraire), les principaux paramètres technologiques (tels que la forme du nano-diffuseur) et la configuration de la métasurface (incluant éventuellement plusieurs couches de diffuseurs). Grâce à cette solution basée sur l’IA, le (la) candidat(e) pourra co-optimiser la conception et la technologie afin d’atteindre des meilleures performances et orienter les spécifications des nouvelles technologies de métasurfaces.

Après une période de formation dédiée à l’intelligence artificielle et à la simulation optique, le (la) candidat(e) appliquera des approches pilotées par l'IA, telles que les PINNS, à l’optimisation de métasurfaces larges bandes et de lentilles à grand champ de vision (pour capteurs ToF et/ou AR/VR). Le (la) candidat(e) bénéficiera de l’expertise en intelligence artificielle de STMicroelectronics pour proposer des concepts innovants dans cette application spécifique des réseaux de neurones et des méthodes d’apprentissage automatique.

A propos de vos missions

• Mission scientifique Le (la) candidat(e) est engagé(e) dans une thèse CIFRE, ce qui signifie qu’il y a obligation de résultats scientifiques nouveaux et de publication dans un journal à comité de revue.
• Mission opérationnelle : Le (la) candidat(e) engagé au sein de STMicroelectronics participera activement à la réussite des missions de l'équipe de la simulation optique en support de l'intégration des nouvelles technologies.

A propos de vous

• Étudiant(e) en dernière année d’école d’ingénieur ou de master, avec une solide maîtrise en physique fondamentale, analyse numérique et simulation électromagnétique
• Fort intérêt pour l’ Intelligence Artificielle appliquée à la simulation optique
• Maîtrise des langages de programmation tels que Matlab, Python, etc.
• Autonomie, rigueur scientifique et capacité à travailler en équipe dans un environnement de recherche et développement