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
-
Comment les machines apprennent ?
FerréArnaudANF TDM & IA 2025 | Comment les machines apprennent ? avec Arnaud Ferré (MaIAGE, INRAE)
-
Comment une IA peut-elle faire la conversation ?
FerréArnaudANF TDM & IA 2025 | Comment une IA peut-elle faire la conversation ? avec Arnaud Ferré (MaIAGE, INRAE)
-
Interagir efficacement avec un agent conversationnel
ChifuAdrian-GabrielANF TDM & IA 2025 | Comment interagir efficacement avec un agent conversationnel : prompt engineering et prompt hacking avec Adrian Chifu (LIS, Aix-Marseille Université)
-
Les modèles de langue : usages et enjeux sociétaux
GuigueVincentANF TDM & IA 2025 | Les modèles de langue : usages et enjeux sociétaux avec Vincent Guigue (MIA, AgroParisTech)
-
Déploiement d'IA sécurisées en local appliqué aux données sensibles et open source
SanjuanEricANF TDM & IA 2025 | Retour d’expérience sur le déploiement d'IA sécurisées en local (processus ETLs) appliqué aux données sensibles (santé) et open source (OpenAlex) avec Éric SanJuan (LIA, Avignon
-
Interroger ses documents avec des grands modèles de langage : méthode RAG
PoulainPierreANF TDM & IA 2025 | Interroger ses documents avec des grands modèles de langage : découverte de la méthode RAG avec Pierre Poulain (Laboratoire de Biochimie Théorique, Université Paris Cité)
-
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…
