Caractérisation de composants optiques par des techniques d'intelligence artificielle

Les techniques d'optimisation ont pris un nouvel essor depuis le developpement des techniques d'intelligence artificielle. En effet, l'imitation de la structure du cerveau par les reseaux neuronaux (RN) ou celle de l'evolution des especes par les algorithmes genetiques (AG) permettent de resoudre des problemes complexes jusqu'ici insolubles. En optique, comme dans d'autres domaines, de nombreux problemes peuvent se ramener a un probleme d'optimisation. La conception d'un systeme ou d'un composant consiste a trouver les parametres optimisant un critere. De meme, on sait souvent determiner la sortie d'un systeme a partir d'une combinaison des entrees sans pouvoir resoudre le probleme inverse. La minimisation de l'erreur entre la sortie mesuree et celle calculee permet de trouver la solution. Apres une presentation generale des AG et des RN, nous presenterons l'utilisation des AG dans un probleme de caracterisation de couches minces, pour lequel le manque de robustesse des techniques classiques d'optimisation sera demontre. Puis, nous utiliserons ces deux techniques pour la caracterisation de reseaux de diffraction de periode submicronique. La methode consiste a mesurer les intensites diffractees par le reseau puis a determiner par optimisation les caracteristiques du reseau qui correspondent le mieux a ces mesures.