Nous étudions des méthodes évolutives pour l’optimisation de systèmes optiques
Le développement de systèmes optiques implique en général une étape d’optimisation dans laquelle on recherche un jeu de paramètres conduisant à une efficacité maximale. La complexité de ces problèmes d’optimisation augmente exponentiellement avec le nombre de paramètres à déterminer. Nous avons développé des méthodes évolutives (algorithmes génétiques, PSO) pour résoudre plus efficacement ces problèmes d’optimisation.
L'idée générale d'un algorithme génétique consiste à travailler avec une population d'individus qui représentent les solutions possibles au problème considéré. Les meilleurs individus sont sélectionnés. Leurs paramètres sont soumis à des croisements et à des mutations afin de déterminer de nouveaux individus pour la génération suivante. Cette stratégie est répétée de génération en génération jusqu'à ce que la population converge vers l'optimum global du problème.
Un algorithme génétique multi-objectif a été développé pour l'optimisation de systèmes pour lesquels plusieurs objectifs doivent être atteints. L'algorithme génétique peut être couplé facilement avec tout logiciel externe utilisé pour la modélisation du système considéré. Il fonctionnera massivement en parallèle sur les supercalculateurs du CECI et sur le Tier-1, en utilisant les ressources de calcul de la plateforme technologique PTCI.
De nouveaux algorithmes sont actuellement développés. Parmi eux, l'optimisation par essaims de particules (PSO) s'inspire de la dynamique des volées d'oiseaux. Il est également utilisé pour déterminer l'optimum global des problèmes.
Applications
Optimisation des diodes électroluminescentes (LED), des panneaux solaires thermiques, des panneaux photovoltaïques, des superabsorbeurs de métamatériaux.
Publications représentatives
- A. Mayer, L. Gaouyat, D. Nicolay, T. Carletti and O. Deparis, Multi-objective genetic algorithm for the optimization of a flat-plate solar thermal collector, Optics Express 22, A1641 (2014)
- A. Mayer and A. Bay, Optimization by a genetic algorithm of the light-extraction efficiency of a GaN light-emitting diode, Journal of Optics 17, 025002 (2015)
- A. Mayer, J. Muller, A. Herman and O. Deparis, Optimized absorption of solar radiations in nano-structured thin films of crystalline silicon via a genetic algorithm, Proceedings of SPIE 9546, 95461N-01 (2015)
- A. Razzaq, A. Mayer, V. Depauw, I. Gordon, A.T. Hajjiah and J. Poortmans, Application of a genetic algorithm in four-terminal perovskite/crystalline-silicon tandem devices, IEEE Journal of Photovoltaics 10, 1689 (2020)
- A. Mayer, H. Bi, S. Griesse-Nascimento, B. Hackens, J. Loicq, E. Mazur, O. Deparis and M. Lobet, Genetic-algorithm-aided ultra-broadband perfect absorbers using plasmonic metamaterials, Optics Express 30, 1167 (2022)
- N. Roy, Ch. Beauthier and A. Mayer, Setup of a New Adaptive Fuzzy Particle Swarm Optimization Algorithm, IEEE Congress on Evolutionary Computation (2022)
Projets
- PhotoNVoltaics, Nanophotonics for ultra-thin crystalline silicon photovoltaics, EU Project H2020 FP7-Energy, 2012-2015
- Different collaborations on the optimization of optical systems are currently in progress.
Promoteur(PI) : Alexandre MAYER
Alexandre Mayer, membre du LPS, est également affilié à l'Institut NISM (Pôle de recherche HPC-MM).
Sujets de thèse (Pr. Alexandre Mayer)
- Méthodes d'optimisation évolutives pour les problèmes de physique numérique
- Transposition de techniques de la physique au Machine Learning
- Applications de techniques d'intelligence artificielle en physique