Show simple item record

dc.contributorTrull Silvestre, José Francisco
dc.contributorChristensen, Thomas
dc.contributor.authorGómez Iñesta, Álvaro
dc.contributor.otherUniversitat Politècnica de Catalunya. Departament de Física
dc.date.accessioned2018-07-14T07:13:50Z
dc.date.available2018-07-14T07:13:50Z
dc.date.issued2018-05
dc.identifier.urihttp://hdl.handle.net/2117/119336
dc.description.abstractThe classical theory of plasmonics fails dramatically at geometric length scales below 30 nm, due to quantum phenomena like electronic spill-out of the wave function, nonlocality and Landau damping. An alternative to the quantum descriptions of the hydrodynamic model or the time-dependent density functional theory is the perturbative theory derived by Feibelman in 1982. Other authors (Apell and Ljungbert, and Christensen et al.) have applied this theory to compute quantum corrections for the spectral properties of single particles. Here, we extend their work to develop analytical and numerical tools in order to compute quantum corrections in coupled plasmonic nanostructures. The second part of this thesis is focused on neural networks training supervision. We present an alternative technique to the common forward supervision, and we give a theoretical support for our proposal by means of the mutual information theory. As a first experiment, our algorithm improved the accuracy of ResNet trained on CIFAR-10.
dc.description.abstractLa teoría plasmónica clásica falla de forma dramática a escalas geométricas inferiores a unos 30 nm, debido a fenómenos cuánticos como spill-out de la función de onda electrónica, no-localidad y amortiguamiento de Landau. Una alternativa a las descripciones cuánticas del modelo hidrodinámico o de la teoría del funcional de la densidad tiempo-dependiente es la teoría perturbativa desarrollada por Feibelman en 1982. Otros autores (Apell y Ljungbert, y Christensen et al.) han aplicado esta teoría para calcular correcciones cuánticas a las propiedades espectrales de partículas individuales. En esta tesis extendemos su trabajo para desarrollar herramientas analíticas y numéricas que permitan calcular correcciones cuánticas en nanoestructuras plasmónicas. La segunda parte de esta tesis se centra en el entrenamiento supervisado de redes neuronales. Presentamos una técnica alternativa a la típica supervisión hacia delante, y damos una base teórica a nuestra propuesta a través de la teoría de la información mutua. Como primer experimento, nuestro algoritmo mejoró la precisión de ResNet entrenada en CIFAR-10.
dc.description.abstractLa teoria plasmònica clàssica no és prou precisa a escales geomètriques inferiors a uns 30 nm, degut a fenòmens quàntics com spill-out, no-localitat i amortiment de Landau. Una alternativa a les descripcions cuàntiques del model hidrodinàmic o de la teoria del funcional de la densitat temps-dependent es la teoria pertorbativa desenvolupada pel Feibelman en 1982. Altres autors (Apell i Ljungbert, i Christensen et al.) han aplicat aquesta teoria per calcular correccions cuàntiques a les propietats espectrals de partícules individuals. En aquest treball, estendim la seva investigació per tal de desenvolupar ferramentes analítiques i numèriques que permetin calcular correccions quàntiques en nanoestructures plasmòniques. La segona part d?aquesta tesi es centra en el entrenament supervisat de xarxes neuronals. Presentem una tècnica alternativa a la típica supervisió cap endavant, i donem una base teòrica a la nostra proposta mitjançant la teoria de la informació mútua. Com a primer experiment, el nostre algoritme va millorar la precisió de ResNet entrenada a CIFAR-10.
dc.language.isoeng
dc.publisherUniversitat Politècnica de Catalunya
dc.relation.urihttp://infoteleco.upc.edu/incoming/pfc/130447/Poster_Alvaro_Gomez_Inesta_wlycRF.pdf
dc.rightsS'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada'
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.subject.lcshPhotonics
dc.subject.lcshMathematical physics
dc.subject.lcshNeural networks (Computer science)
dc.subject.otherplasmonics
dc.subject.othernanoplasmonics
dc.subject.otherquantum
dc.subject.othercorrections
dc.subject.otherneural
dc.subject.othernetwork
dc.subject.otherneural network
dc.subject.othersupervision
dc.subject.othertraining
dc.subject.othermachine learning
dc.subject.otherdeep learning
dc.subject.otherquantum physics
dc.subject.otheranalytical
dc.subject.othernumerical
dc.subject.otherMatlab
dc.subject.otherTensorFlow
dc.subject.otherplasmones
dc.subject.othernanoplasmones
dc.subject.otherplasmón
dc.subject.othercuántica
dc.subject.othercorrecciones
dc.subject.otherneuronal
dc.subject.otherred
dc.subject.otherredes neuronales
dc.subject.othersupervisión
dc.subject.otherentrenamiento
dc.subject.otheraprendizaje
dc.subject.otherfísica cuántica
dc.subject.otheranalítico
dc.subject.othernumérico
dc.titleQuantum corrections in nanoplasmonics & deep neural network training with reverse supervision
dc.title.alternativeCorrecciones cuánticas en nanoplasmones & entrenamiento de redes neuronales profundas con supervisión reversa
dc.title.alternativeCorreccions quàntiques en nanoplasmons & entrenament de xarxes neuronals profundes amb supervisió reversa
dc.typeBachelor thesis
dc.subject.lemacFotònica
dc.subject.lemacFísica matemàtica
dc.subject.lemacXarxes neuronals (Informàtica)
dc.identifier.slugETSETB-230.130447
dc.rights.accessOpen Access
dc.date.updated2018-06-05T05:52:40Z
dc.audience.educationlevelGrau
dc.audience.mediatorEscola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona
dc.contributor.covenanteeMassachusetts Institute of Technology


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Except where otherwise noted, content on this work is licensed under a Creative Commons license: Attribution-NonCommercial-NoDerivs 3.0 Spain