Opis projektu
Zwiększenie wiedzy na temat egzotycznych materiałów rozpraszających światło pomoże je lepiej wykorzystać
Fotony wpadające do nieuporządkowanego materiału doznają wielokrotnego rozproszenia, zanim opuszczą go, wypadając w losowych kierunkach. Ich ruch przypomina w tym względzie ruch kulek poruszających się w maszynie do pinballa i odbijających się od wszystkiego wokół, także od siebie nawzajem. Taki „taniec” może trwać dalej, a przypadkowe wiązki promieniowania będą dalej ze sobą interferować. Ten niesamowity pokaz świetlny można wykorzystać do opracowania innowacyjnych urządzeń fotonicznych. Do tej pory przeszkodą była charakterystyka umożliwiająca wyłącznie racjonalne przewidywanie właściwości nieuporządkowanych materiałów i ich późniejsze projektowanie. Finansowany przez UE projekt MALDIP ma się przyczynić do zastosowania techniki uczenia maszynowego i symulacji numerycznych w celu usunięcia tego ograniczenia.
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczematematykamatematyka stosowanastatystyka i rachunek prawdopodobieństwa
- nauki przyrodniczeinformatykasztuczna inteligencjauczenie maszynowe
- inżynieria i technologiananotechnologiananofotonika
- nauki przyrodniczematematykamatematyka stosowanaanaliza numeryczna
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Program(-y)
Temat(-y)
System finansowania
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordynator
CB2 1TN Cambridge
Zjednoczone Królestwo