清華新聞網(wǎng)3月21日電 硅光子學(xué)技術(shù)使緊湊型集成光子器件具備了多功能性和大規(guī)模生產(chǎn)的能力。然而，高性能自由形式光學(xué)器件的設(shè)計(jì)仍然具有挑戰(zhàn)性，因?yàn)樯婕暗綇?fù)雜的光和物質(zhì)的相互作用，需要耗費(fèi)大量時(shí)間進(jìn)行電磁模擬。而當(dāng)需要設(shè)計(jì)多個(gè)硅光子器件時(shí)，這個(gè)問(wèn)題變得更加突出，通常需要長(zhǎng)時(shí)間的迭代優(yōu)化。解決大規(guī)模硅光子器件的逆向設(shè)計(jì)問(wèn)題具有很強(qiáng)的研究?jī)r(jià)值和工業(yè)設(shè)計(jì)生產(chǎn)意義。
近日，清華大學(xué)深圳國(guó)際研究生院付紅巖副教授團(tuán)隊(duì)開(kāi)發(fā)出一種全自動(dòng)大規(guī)模多任務(wù)硅基光子器件的逆向設(shè)計(jì)方法。該方法是一種基于低維傅里葉頻域和深度神經(jīng)網(wǎng)絡(luò)的拓?fù)鋬?yōu)化方法，能在有效控制逆向設(shè)計(jì)器件的最小尺寸的同時(shí)快速訓(xùn)練可用于器件設(shè)計(jì)的深度神經(jīng)網(wǎng)絡(luò)，無(wú)需任何提前準(zhǔn)備的數(shù)據(jù)集。
圖1.多任務(wù)光子濾波器設(shè)計(jì)
逆向設(shè)計(jì)是將整個(gè)設(shè)計(jì)區(qū)域像素化，通過(guò)目標(biāo)優(yōu)先的優(yōu)化方法確定器件的具體結(jié)構(gòu)。考慮到器件加工需求，那些孤立的像素點(diǎn)和狹縫無(wú)法加工，因此需要通過(guò)平滑結(jié)構(gòu)邊緣來(lái)滿(mǎn)足加工需要，這也使得部分設(shè)計(jì)自由度變得冗余。已知傅立葉低頻信號(hào)對(duì)應(yīng)了器件的主體結(jié)構(gòu)，而傅立葉高頻信號(hào)代表了噪聲和圖像中快速變化的信息。僅使用低頻傅立葉分量在重建時(shí)域圖像結(jié)構(gòu)時(shí)能在控制器件最小尺寸的同時(shí)，降低冗余的設(shè)計(jì)自由度。
圖2.最小尺寸控制方法
為實(shí)現(xiàn)多任務(wù)器件優(yōu)化設(shè)計(jì)，研究人員將設(shè)計(jì)目標(biāo)通過(guò)一個(gè)深度生成神經(jīng)網(wǎng)絡(luò)映射到低頻傅立葉分量。這些分量在高頻補(bǔ)零后通過(guò)傅立葉逆變化即可還原成器件圖形的具體結(jié)構(gòu)。生成的器件結(jié)構(gòu)通過(guò)電磁仿真軟件仿真后得到實(shí)際的光學(xué)響應(yīng)。該響應(yīng)與目標(biāo)光學(xué)響應(yīng)之間的差值可用于生產(chǎn)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。
圖3.基于深度神經(jīng)網(wǎng)絡(luò)的多任務(wù)優(yōu)化器的訓(xùn)練過(guò)程示意圖
經(jīng)過(guò)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)可用于直接生成多個(gè)光學(xué)器件而無(wú)需額外的優(yōu)化仿真時(shí)間。研究人員將上述訓(xùn)練好的網(wǎng)絡(luò)用于光學(xué)濾波器的設(shè)計(jì)，不到1秒的時(shí)間內(nèi)設(shè)計(jì)了400個(gè)光學(xué)濾波器并且能保持很高的性能指標(biāo)。
圖4.12個(gè)隨機(jī)選取的預(yù)測(cè)的光學(xué)濾波器結(jié)構(gòu)及其對(duì)應(yīng)的波普
該方法幾乎是一種全自動(dòng)的多任務(wù)優(yōu)化方法，能用于其他不定形器件的設(shè)計(jì)。研究人員還使用該方法設(shè)計(jì)了一個(gè)集成的單光子源，設(shè)計(jì)的該集成光源的效率能達(dá)到90%以上。該多任務(wù)優(yōu)化方法極大減少了多器件設(shè)計(jì)所需的時(shí)間和資源，使得未來(lái)大規(guī)模器件的快速逆向設(shè)計(jì)成為了可能。
圖5.該優(yōu)化方法用于單光子源的設(shè)計(jì)
相關(guān)成果近日以“基于深度學(xué)習(xí)的低維傅立葉域光子器件多任務(wù)拓?fù)鋬?yōu)化”（Multi-task topology optimization of photonic devices in low-dimensional Fourier domain via deep learning）為題發(fā)表在期刊《納米光子學(xué)》（Nanophotonics）上。
論文的第一作者為清華大學(xué)深圳國(guó)際研究生院2019級(jí)直博生毛思梅，通訊作者為清華大學(xué)深圳國(guó)際研究生院付紅巖副教授。論文作者還包括清華大學(xué)深圳國(guó)際研究生院2018級(jí)直博生程理榮、2021級(jí)碩士生陳厚余、2020級(jí)博士生劉軒逸以及北京大學(xué)深圳研究生院李倩副教授。該項(xiàng)目得到廣東省基礎(chǔ)與應(yīng)用基礎(chǔ)研究基金項(xiàng)目以及深圳市科技計(jì)劃項(xiàng)目的支持。
論文連接：
https://www.degruyter.com/document/doi/10.1515/nanoph-2022-0361/html
供稿：深圳國(guó)際研究生院
編輯：李華山
審核：郭玲
