Conception d’un modulateur THz large bande à base de graphène assistée par apprentissage automatique

Le laboratoire ESYCOM s’inscrit dans les domaines de l’ingénierie des systèmes de communication, des capteurs et des microsystèmes pour la ville, l’environnement et la personne.

Les thèmes abordés sont plus spécifiquement :

les antennes et propagation en milieux complexes, les composants photoniques - micro-ondes  ;

les microsystèmes pour l'analyse de l'environnement et la dépollution, pour la santé et l'interface avec le vivant ;

les micro-dispositifs de récupération d'énergie ambiante mécanique, thermique ou électromagnétique.

Contexte

Le domaine THz est une partie du spectre électromagnétique allant de 0,1 à 10 THz qui réprésente une bande de fréquence importante en raison de ses applications potentielles dans divers domaines, tels que l’imagerie, les communications sans fil à haut débit et les diagnostics biomédicaux. Malgré son importance, il reste relativement sous exploité. La raison en est la non disponibilité des dispositifs permettant de manipuler ces ondes et que l’on trouve habituellement en optique par exemple (source, détecteurs, filtres, polariseurs, modulateurs). Ces dernières années un effort important a été consacré pour améliorer cette situation, et la génération et la détection de sources THz ont connu des avancées significatives, revitalisant ainsi le développement des technologies THz.

Récemment, les dispositifs basés sur les métamatériaux THz ont connu un développement rapide. Cependant, des recherches supplémentaires sur les composants avancés dans le régime THz demeurent nécessaires. En particulier, les modulateurs, qui sont des dispositifs essentiels pour le contrôle actif des ondes THz, jouent un rôle crucial dans lles futurs systèmes de communication. Plusieurs types de modulateurs THz basés sur des matériaux semi-conducteurs ont été proposés. La majorité de ces dispositifs, se caractérisent par une bande passante étroite, une profondeur de modulation insuffisamment élevée, une faible efficacité et des pertes importantes. Cependant, les systèmes de communication THz nécessitent des modulateurs avancés offrant une profondeur de modulation élevée, une large bande passante opérationnelle et une grande vitesse de modulation. Ainsi, combiner une profondeur de modulation élevée et une réponse large bande dans un seul dispositif représente un défi majeur.

Parmi les matériaux prometteurs, le graphène figure en excellente position grâce à ses propriétés électromagnétiques remarquables dans cette gamme de fréquence. En effet la conductivité de ce cristal bidimensionnel, peut être ajustée en fonction du potentiel chimique. Ceci permettrait de fabriquer des dispositifs commandables (en l’occurrence, avec un potentiel électrique).

Par ailleurs, les algorithmes d’apprentissage automatique (machine learning, ML) sont récemment devenus un outil incontournable en recherche photonique, grâce à leur capacité à résoudre des problèmes complexes et à optimiser les systèmes de manière performante. Leur flexibilité et leur puissance de calcul ont permis leur application dans de nombreux aspects de la photonique et de l’optoélectronique. Dans ce contexte, nous proposons de contribuer à cette recherche en explorant, de manière théorique et numérique, les performances de modulateurs THz basés sur le graphène en utilisant des méthodes d’optimisation issues de l’apprentissage automatique

Objectifs scientifiques

L’objectif de ce stage est de modéliser des modulateurs large bande commandables pour la communication THz avec une efficacité élevée. Les modulateurs proposés sont constitués de cristaux photoniques 1D intégrant des couches de graphène . Dans ce stage, nous proposons de mettre en place des méthodes ML afin d’optimiser les paramètres des structures étudiées et d’atteindre l’efficacité souhaité.

Une excellente connaissance de l’électromagnétisme, photonique, et des méthodes numériques est demandée ainsi que la connaissance du langage Matlab//Python. Des connaissances en méthodes machine learning et deep learning seront souhaitées