“Neural lithography: un avance revolucionario en el diseño y fabricación de dispositivos ópticos”

Investigadores del MIT y de la Universidad de Hong Kong han utilizado el aprendizaje automático para cerrar la brecha entre el diseño y la fabricación de dispositivos ópticos. Han creado un simulador digital que imita un proceso específico de fotolitografía, utilizando datos reales recopilados del sistema de fotolitografía. Este enfoque les permite fabricar dispositivos que se ajustan mejor a su diseño original y alcanzan un rendimiento óptimo.

La fotolitografía es un proceso complejo que implica proyectar un patrón de luz sobre una superficie, lo cual causa una reacción química que graba las características en el sustrato. Sin embargo, debido a las desviaciones en la difracción de la luz y en la reacción química, el dispositivo fabricado acaba teniendo un patrón ligeramente diferente al deseado.

Muchos enfoques de diseño existentes se basan en ecuaciones derivadas de la física, pero no pueden capturar todas las desviaciones específicas de un sistema de fotolitografía. Por lo tanto, los dispositivos a menudo tienen un rendimiento inferior en el mundo real.

Para desarrollar su técnica, llamada “neural lithography”, los investigadores del MIT construyeron un simulador de fotolitografía utilizando ecuaciones basadas en la física, y luego incorporaron una red neuronal entrenada con datos experimentales del sistema de fotolitografía del usuario. Esta red neuronal aprende a compensar muchas de las desviaciones específicas del sistema.

Para recopilar datos para su método, los investigadores generaron muchos diseños que cubren una amplia gama de tamaños y formas de características, los cuales fabricaron utilizando el sistema de fotolitografía. Luego, compararon las estructuras finales con las especificaciones de diseño y utilizaron estos datos para entrenar la red neuronal de su simulador digital.

El simulador de fotolitografía digital consta de dos componentes separados: un modelo óptico que captura cómo se proyecta la luz sobre la superficie del dispositivo, y un modelo de resistencia que muestra cómo ocurre la reacción fotoquímica para producir las características en la superficie.

Luego, los investigadores conectaron este simulador de fotolitografía aprendido a otro simulador basado en la física que predice el rendimiento del dispositivo fabricado en tareas específicas. De esta manera, los dos simuladores trabajan juntos dentro de un marco más amplio para ayudar al usuario a diseñar un dispositivo que alcance los objetivos de rendimiento deseados.

Esta técnica podría ayudar a científicos e ingenieros a crear dispositivos ópticos más precisos y eficientes para aplicaciones como cámaras móviles, realidad aumentada, imágenes médicas, entretenimiento y telecomunicaciones. Además, debido a que el simulador digital utiliza datos del mundo real, puede aplicarse a una amplia gama de sistemas de fotolitografía.

Según Guangyuan Zhao, uno de los investigadores principales, el uso de datos reales en lugar de datos generados artificialmente mediante ecuaciones permite que los simuladores aprendidos tengan un rendimiento mucho más eficiente y preciso.

En las pruebas realizadas, los investigadores fabricaron un elemento holográfico que muestra una imagen de una mariposa cuando se ilumina con luz. Comparado con dispositivos diseñados con otras técnicas, el elemento holográfico desarrollado con neural lithography produjo una mariposa casi perfecta que se ajustaba más al diseño original. También crearon una lente de difracción multinivel, la cual tenía una mejor calidad de imagen que otros dispositivos similares.

En el futuro, los investigadores esperan mejorar sus algoritmos para modelar dispositivos más complicados y probar el sistema con cámaras de consumo. Además, planean expandir su enfoque para que pueda utilizarse con diferentes tipos de sistemas de fotolitografía.

Si te interesó esta noticia y deseas mantenerte al día con los últimos acontecimientos, no dudes en explorar nuestras otras secciones en Uni2Noticias. Continúa informándote con nosotros.