Un article publié dans Photonique avancée "Interactions lumière-matière améliorées dans les nanostructures diélectriques via une approche d'apprentissage automatique, " suggère que les techniques d'apprentissage automatique peuvent être utilisées pour améliorer les métasurfaces, en les optimisant pour l'optique non linéaire et l'optomécanique. La découverte offre des possibilités prometteuses pour le développement d'une large gamme de dispositifs et d'applications photoniques, y compris ceux impliqués dans la détection optique, vibrations optoacoustiques, et le filtrage à bande étroite.

Les métasurfaces sont des plateformes polyvalentes utilisées pour manipuler la diffusion, Couleur, phase, ou l'intensité de la lumière qui peut être utilisée pour l'émission de lumière, détection, modulation, contrôle et/ou amplification à l'échelle nanométrique. Dans les années récentes, les métasurfaces ont fait l'objet d'études approfondies car leurs propriétés optiques peuvent être adaptées à un ensemble diversifié d'applications, y compris les superlentilles, images accordables, et hologrammes.

Selon Photonique avancée Co-rédacteur en chef, Boursier SPIE, et chef du groupe Photonique et nanotechnologie au King's College de Londres Anatoly Zayats, ce travail marque une avancée passionnante en nanophotonique. "L'optimisation des métasurfaces et des métamatériaux pour des applications particulières est un problème important et chronophage, " a déclaré Zayats. "Avec les approches traditionnelles, seuls quelques paramètres peuvent être optimisés, de sorte que les performances résultantes sont meilleures que pour d'autres conceptions mais pas nécessairement les meilleures. En utilisant l'apprentissage automatique, on peut rechercher la meilleure conception et couvrir l'espace des paramètres impossibles avec les approches traditionnelles."