Projektbeschreibung
Mehr Wissen über exotische lichtstreuende Materialien lässt Nutzbarkeit erahnen
Wie ein Haufen Kugeln, die in einem Flipperautomaten herumschwirren und überall, auch aneinander, abprallen, werden in ungeordnete Materialien eindringende Photonen mehrmals gestreut, bevor sie diese in zufälliger Richtung wieder verlassen. Dieser „Tanz“ kann sich fortsetzen, wobei die zufällig ausgesandten Strahlen wiederum miteinander interferieren. Mithilfe dieses erstaunlichen Lichtspiels können, wenn es denn gelingt, es zu nutzen, innovative photonische Bauelemente entwickelt werden. Bislang stellte die Charakterisierung, ohne die keine rationale Vorhersage der Eigenschaften ungeordneter Materialien und deren anschließende Bearbeitung möglich ist, ein gewaltiges Hindernis dar. Das EU-finanzierte Projekt MALDIP plant nun, Verfahren auf der Grundlage maschinellen Lernens und numerische Simulationen einzusetzen, um den Dingen auf den Grund zu gehen.
Ziel
The field of disordered photonics has increased its importance immensely over past decades as it finds widespread application in several fields from biomedical imaging, to solar energy harvesting, paint, pigments, food and cosmetic industry. However, the current development of highly scattering materials is often hindered by lack of ways to quantitatively predict and model their structural morphology and photonic properties. This action aims to characterize disordered photonic structures made of organic materials by analyzing their 3D structures using Gaussian Processes (GP) based machine learning techniques in conjunction with numerical optical simulations. The inherent randomness in the 3D arrangement of disordered photonics, makes them both intuitively and theoretically ideal to be modeled with GP. The novelty of this action consist of using state-of-the art GP method not only analyze 3D structures, but also to reconstruct them from lower dimensional data, like 2D images and spectroscopic data. Moreover by using the quantitative GP descriptors, we are able both generate input models for numerical simulations and using the feedback iteratively update those models to optimize them for high scattering. We expect that the complementary expertise in characterization and computational methods of the Host and the Researcher will produce not only invaluable insights, but also practical tools to characterize, quantify and exhaustively model and optimize complex photonic structures.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- NaturwissenschaftenMathematikangewandte MathematikStatistik und Wahrscheinlichkeit
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles Lernen
- Technik und TechnologieNanotechnologieNanophotonik
- NaturwissenschaftenMathematikangewandte Mathematiknumerische Analyse
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) H2020-MSCA-IF-2019
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordinator
CB2 1TN Cambridge
Vereinigtes Königreich