Les approches axées sur les données – propulsées par le large succès que connait l'apprentissage automatique et particulièrement l'apprentissage profond – ont le potentiel de révolutionner la conception optique.

La conception d'un système optique est un vaste problème d'optimisation non-linéaire qui est habituellement abordé par l'utilisation de méthodes traditionnelles d'optimisation locale et globale. Les méthodes traditionnelles n'apprennent pas à partir des données, et par conséquent doivent repartir de zéro pour tout nouveau processus de conception. Une nouvelle famille d'approches axées sur les données, sous-explorées jusqu'à présent, offrent la possibilité d'extraire les caractéristiques qui constituent un bon design, et de les réutiliser pour inférer de nouveaux designs – similairement à la façon dont une personne pratiquant la conception optique développe, puis exploite son intuition et ses connaissances.

Notre groupe de recherche, pionnier dans ce domaine, souhaite poursuivre son développement d'une approche basée sur l'apprentissage profond qui extrapole à partir de précédents designs, de manière à inférer directement des systèmes optiques conçus sur mesure pour les spécifications souhaitées. D'autres approches telles que l'entraînement d'un algorithme d'optimisation pourront également être explorées.