Les métaux et les diélectriques à fort indice optique constituent les deux principales familles de matériaux utilisées en nano-optique. Les nanostructures fabriquées à partir de ces matériaux donnent lieu à des résonances optiques, c'est-à-dire une exaltation de l'interaction rayonnement-matière. Pour les métaux, la résonance provient de propriétés plasmoniques, alors que pour les diélectriques, les résonances sont de type Mie, dû à leur indice élevé. En jouant sur les dimensions des nanostructures, ces résonances peuvent être ajustées jusque dans la gamme proche infrarouge pour des objets très grands. Depuis une quinzaine d'années, les matériaux semiconducteurs dopés ont été envisagés, du fait de leur plus faible densité de porteurs libres, pour obtenir des résonances plasmoniques dans l'infrarouge moyen, et cela, même pour de petits objets.
Durant cette thèse, nous avons étudié des systèmes modèles constitués d’une assemblée de nanostructures de silicium hyperdopé, obtenues à partir de la couche supérieure d’un substrat de silicium sur isolant (SOI) par une technique top-down. Les nanostructures de la métasurface ont ainsi toutes la même taille et la même quantité de dopants.
La réponse plasmonique de la structure unique a été simulée à l'aide de la méthode dyadique de Green (GDM), qui repose sur la discrétisation en volume de la nanostructure, que nous avons adaptée au cas des semiconducteurs dopés. Nous avons confronté nos simulations avec des mesures expérimentales réalisées à l'aide d'un dispositif de spectroscopie infrarouge à Transformée de Fourier (FTIR). En parallèle à ces travaux nous avons développé un modèle de polarisabilité effective pour approximer une structure de forme complexe par un dipôle unique. Cette approximation nous permet de coupler un grand nombre de nanostructures entre elles, afin de simuler l'assemblée d'objets dans son ensemble. Pour finir nous avons utilisé une approche de deep learning, couplée à un modèle de polarisabilités habillées, afin de prédire rapidement le couplage optique au sein d'une métasurface plasmonique apériodique et dépasser les limites actuelles de calcul pour simuler la réponse optique de métasurfaces de très grandes tailles. |
Metals and high refractive index dielectrics are the two main families of materials used in nano-optics. Nanostructures made from these materials give rise to optical resonances, i.e. an exaltation of the light-matter interaction. For metals, the resonance comes from plasmonic properties, whereas for dielectrics, they are Mie-type resonances, due to their high index. By adjusting the dimensions of the nanostructures, these resonances can be tuned down to the near infrared range for very large objects. For the last fifteen years, doped semiconducting materials have been considered, due to their low density of free carriers, to obtain plasmonic resonances in the mid-infrared, even for small objects.
During this thesis, we studied model systems made of an assembly of hyperdoped silicon nanostructures, obtained from the top layer of silicon-on-insulator (SOI) substrate, by a top-down technique. The nanostructures of the metasurface thus all have the same size and the same amount of dopants.
The response of the single structure was simulated using the Green Dyadic Method (GDM), which is based on the volume discretization of the nanostructure, that we adapted to the case of doped semiconductors. In parallel to this work, we have developed an effective polarizability model to approximate a complex shaped structure by a single dipole. This approximation allows us to couple a large number of nanostructures , so that we can simulate an assembly of objects in its entirety. Finally, we used a deep learning approach, coupled with a model of dressed polarizabilities, for a fast prediction of the optical coupling within an aperiodic plasmonic metasurface, in order to overcome current computational limitations and simulate the optical response of very large metasurfaces. |