Notice
ML-enhancement of simulation and optimization in electromagnetism
- document 1 document 2 document 3
- niveau 1 niveau 2 niveau 3
Descriptif
Full-wave simulations of large-scale electromagnetic devices—spanning thousands of wavelengths while featuring sub-wavelength geometrical details—pose significant computational challenges. These simulations are critical in the design and optimization of metamaterials, where resolving fine-scale features is essential to predict macroscopic behavior accurately. In this talk, we present a specific use case where surrogate models are used to accelerate full-wave simulations of optical metasurfaces, thereby enabling iterative optimization loops that would otherwise be prohibitively expensive. We present scientific machine learning approaches for training these surrogate models to increase both the speed of evaluation and the data efficiency. Beyond surrogate modeling, we also demonstrate how machine learning can enhance optimization tasks independently of the underlying solver. In particular, we highlight methods for learning representations of the design space and guiding the search toward optimal configurations, thus improving the overall efficiency of the design process.
Sur le même thème
-
Une minute avec Alessia Del Grosso
Del grossoAlessiaRencontre avec Alessia Del Grosso, chercheuse ISFP (Inria Starting Faculty Position) au sein de l’équipe-projet Memphis du Centre Inria de l’université de Bordeaux.
-
Maquette numérique de ville et impacts environnementaux des projets urbains
CraveroJulienComment concevoir des villes plus durables et plus vivables dès la conception d’un projet urbain ?
-
Physical Models and Machine Learning for Scientific Imaging
MairalJulienDeep learning has transformed image processing, often surpassing traditional methods that rely on precise modeling of optical image formation...
-
Désassemblons le numérique - #Episode14 : Et si demain, l'IA lisait dans nos pensées ?
LotteFabienDans ce nouvel épisode de Désassemblons le numérique, nous vous proposons un petit détour par… votre cerveau ! Enfin, plus précisément, par la façon dont les machines pourraient un jour le comprendre.
-
Des opérateurs de neurones aux modèles de fondation : Scientific Machine Learning pour les phénomèn…
LehmannFannyLe Scientific Machine Learning a émergé comme un domaine à la frontière entre apprentissage automatique et simulation numérique pour construire des méta-modèles innovants...
-
Impact des techniques neuronales pour la microscopie computationnelle
DorizziBernadetteGottesmanYaneckCet exposé s'attachera à décrire l'intérêt des techniques de réseaux de neurones pour la microscopie computationnelle…
-
Désassemblons le numérique - #Episode13 : Déchets, alimentation, carbone - Explorer notre impact g…
BrasierEugénieFerronAymericAssorAmbreDans ce nouvel épisode de Désassemblons le numérique, réalisé à l'occasion de la Journée mondiale zéro Déchet, nous allons explorer comment la recherche en visualisation immersive peut nous aider à
-
Angela Dai – 3D in a Large-Data World
DaiAngelaRecent advances in machine learning have shown remarkable progress in the 2D and video domain, fueled by very large-scale data and compute. 3D, however, which is critical for applications spanning
-
Accidents du travail dans l’UE-15 et méthodes d’apprentissage automatique-PUDD
MboméMarieCette présentation met en avant l'apport des outils modernes de traitement des données dans le domaine des sciences humaines et sociales, en combinant statistiques avancées et intelligence
-
Plans d’eau urbains et accès à la nature, le lac de Champs-sur-Marne
Vinçon-LeiteBrigitteD’origine artificielle, cette ancienne gravière revêt désormais une importance particulière pour la biodiversité en ce qu’elle constitue une interface entre le milieu terrestre et aquatique, favorable
-
Memory, Light, Spin Glasses, and Deep Classification
LeonettiMarcoMarco Leonetti livre une présentation de haut niveau, à la fois riche et inspirante à l'interface de l'apprentissage machine, de la physique statistique et de l'optique ondulatoire en milieu diffusant
-
Unsupervised learning approaches for patient stratification from electronic health records
José-GarciaAdanPrésentation de deux méthodes d'apprentissage non supervisé : multi-view data clustering et biclustering
