Investigadores del INMA CSIC/UZ desarrollan una red neuronal capaz de predecir el mejor diseño para nanoestructuras plasmónicas
Las redes neuronales son modelos de inteligencia artificial que se inspiran en el modo en el que el cerebro humano procesa la información. Esta herramienta de aprendizaje automático ha permitido grandes avances en diferentes áreas científicas que necesitan una gran capacidad de cálculo en la búsqueda de diseños óptimos. Esta situación se da con mucha frecuencia en el desarrollo de nanodispositivos ópticos, como sensores, filtros espectrales etc. que basan su funcionamiento en el control de la luz en la nanoescala.
Pero, ¿cómo se relaciona la inteligencia artificial con estos pequeños materiales? El grupo Quantum Materials And Devices del Instituto de Nanociencia y materiales de Aragón (INMA), perteneciente a la conexión AIHUB, ha publicado un artículo en la revista Optic Express en el que demuestra cómo las redes neuronales (NN) son una herramienta de cálculo eficiente para mejorar el diseño de nanoestructuras plasmónicas. En las nanoestructuras plasmónicas la luz puede controlarse utilizando un tipo especial de luz: los plasmones de superficie. Los plasmones son, literalmente, luz “pegada” a la superficie metálica y puede viajar por ella como si de un fluido se tratase. Este tipo de luz está detrás de muchas ideas cuyo objetivo es el control de la luz, entre las que se encuentran su guiado en dos dimensiones, con aplicaciones obvias como en comunicación óptica a nivel de chip.
El artículo explica cómo el uso de una red neuronal sencilla, de no más de tres capas, les permitió encontrar la geometría adecuada de una estructura formada por capas de vidrio, molibdeno -un metal que se emplea sobre todo en aceros aleados- y una capa de oro con ranuras que permitiera absorber la máxima cantidad de luz de luz en el rango de telecomunicaciones (1550nm). Esto tiene una gran potencialidad en la mejora del campo de las telecomunicaciones y en la investigación, especialmente si uno piensa en el desarrollo de sensores capaces de detectar información a nivel de un único fotón, clave en el desarrollo de ciertas tecnologías cuánticas. Sin embargo, dar con la estructura adecuada no es tan sencillo y precisa de un gran número de cálculos y pruebas.
Hacia una herramienta del día a día
Con el objetivo de obtener un método transversal capaz de solucionar problemas de cálculo, los investigadores Sergio Gutiérrez Rodrigo (INMA-Universidad de Zaragoza) y Luis Martín-Moreno (INMA-CSIC) apostaron por el desarrollo de una red neuronal, mucho más ágil y sencilla, que el uso de otros métodos numéricos, que necesitan de un tiempo de computación de semanas o incluso meses.
En el paper, los investigadores detallan cómo sustituir el cálculo numérico por la red neuronal ha conllevado una serie de ventajas. Por un lado, se trata de un método relativamente sencillo y fácil de generalizar a otros problemas físicos. Además, la velocidad de la red, una vez entrenada, es mucho mayor que la del método numérico, siendo su capacidad de predicción idéntica a la de ese método. Gracias a eso, la red neuronal permite realizar cientos de miles de cálculos en un periodo de tiempo aceptable.
Por otro lado, el periodo de entrenamiento de la red neuronal no requiere de una gran cantidad de datos. Con 600 espectros, es decir, 600 parametrizaciones diferentes de la estructura, los investigadores tuvieron los datos suficientes para entrenar la red. Además, en el momento en el que la red ya es capaz de hacer las predicciones, se puede utilizar siempre para hacer el mismo cálculo.
Con esta red neuronal, los investigadores no solo esperan aplicarla a este caso en concreto, sino también convertirla en una herramienta transversal que les permita abordar un problema ya clásico en la física: encontrar el diseño óptimo mediante métodos numéricos en sistemas cuyo espacio de parámetros es tan grande que es una misión -casi- imposible sin la IA.
Sergio G. Rodrigo, Carlos Pobes, Marta Sánchez Casi, Luis Martín-Moreno, and Agustín Camón Lasheras, «Neural network assisted design of plasmonic nanostructures on superconducting transition-edge-sensors for single photon detectors,» Opt. Express 30, 12368-12377 (2022)
La red neuronal aprende a calcular el espectro de absorción a partir de la geometría de la nanoestructura y los materiales que la componen. Una vez entrenada, la red neuronal se usa para conseguir la mayor absorción de luz en la banda de las telecomunicaciones, con la idea de conseguir el 100%.
Estos dispositivos se utilizarán como sensores en condiciones de muy baja temperatura, con aplicaciones esperables en computación cuántica y astronomía.