DESIGN INVERSE DE LA RÉPONSE COLORIMÉTRIQUE D'UN ENSEMBLE DE PARTICULES PLASMONIQUES GRÂCE AU DEEP LEARNING

Abstract

L'emploi des nanoparticules plasmoniques dans la génération de couleurs remonte à des temps lointains, comme en témoignent des exemples tels que la coupe de Lycurgus exposée au British Museum et les vitraux emblématiques de la célèbre rosace de la cathédrale Notre-Dame de Paris. Dans ces oeuvres, des nanostructures métalliques ont été intégrées pour produire des effets visuels uniques. La palette de couleurs dépend de plusieurs paramètres tels que la composition chimique, la taille, la forme des nanostructures et leur environnement. Prédire avec précision ces couleurs implique souvent des modèles numériques complexes qui requièrent une puissance de calcul significative. Pour répondre à ce défi, le machine learning peut accélérer ces calculs en développant des modèles rapides et précis, facilitant ainsi l'exploration de diverses conditions et paramètres. Pour ce faire, un jeu de données contenant les réponses optiques de nanoparticules métalliques a été constitué en se basant sur la théorie de Mie ainsi que sur l’approximation des dipôles discrets. Ces données ont ensuite été employées pour entraîner un modèle de réseau de neurones dédié à la prédiction des couleurs. Par extension, il est possible de résoudre le problème inverse, c'est-à-dire prédire les distributions en forme, taille et composition d'un ensemble de particules plasmoniques qui donnent lieu à une couleur spécifique.

Date of Award	1 Sept 2023
Original language	French
Awarding Institution	University of Namur
Supervisor	Luc Henrard (Supervisor)