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
-
Physical Models and Machine Learning for Scientific Imaging
MAIRAL Julien
Deep 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 ?
LOTTE Fabien
Dans 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…
LEHMANN Fanny
Le 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
DORIZZI Bernadette
GOTTESMAN Yaneck
Cet 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…
BRASIER Eugénie
FERRON Aymeric
ASSOR Ambre
Dans 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
DAI Angela
Recent 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
MBOMé Marie
Cette 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-LEITE Brigitte
D’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
LEONETTI Marco
Marco 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-GARCIA Adan
Présentation de deux méthodes d'apprentissage non supervisé : multi-view data clustering et biclustering
-
Integrating Simulation, Machine Learning, and High-performance Computing to Support Public Health D…
OZIK Jonathan
Integrating Simulation, Machine Learning, and High-performance Computing to Support Public Health Decision Making
-
Modélisation des séquences régulatrices par apprentissage automatique
BRéHéLIN Laurent
Application des méthodes d'apprentissage automatique à l'analyse de séquences régulatrices