[论文解读] Deep Neural Network Inverse Design of Integrated Nanophotonic Devices

Mohammad H. Tahersima, Keisuke Kojima+5 more|arXiv (Cornell University)|Sep 10, 2018

Photonic and Optical Devices参考文献 35被引用 17

一句话总结

本文提出了一种基于深度神经网络（DNN）的集成纳米光子器件逆向设计框架，实现了亚秒级快速生成具有用户自定义分束比的紧凑硅基绝缘体（SOI）1×2功率分配器。该方法在1450–1650 nm的宽带工作范围内实现了>90%的传输效率和<−20 dB的反射率，首次展示了DNN方法在单一逆向设计框架中同时优化高效率、低反射率和任意分束比的能力。

ABSTRACT

Predicting physical response of an artificially structured material is of particular interest for scientific and engineering applications. Here we use deep learning to predict optical response of artificially engineered nanophotonic devices. In addition to predicting forward approximation of transmission response for any given topology, this approach allows us to inversely approximate designs for a targeted optical response. Our Deep Neural Network (DNN) could design compact (2.6x2.6 μm2) silicon-on-insulator (SOI)-based 1 X 2 power splitters with various target splitting ratios in a fraction of a second. This model is trained to minimize the reflection (smaller than 20 dB) while achieving maximum transmission efficiency (above 90%) and target splitting specifications. This approach paves the way for rapid design of integrated photonic components relying on complex nanostructures.

研究动机与目标

• 为解决使用传统FDTD仿真优化复杂纳米光子器件时存在的计算瓶颈问题，此类方法耗时过长且难以在大规模设计空间中应用。
• 开发一种深度学习框架，能够同时实现纳米光子器件响应的正向与逆向建模，从而实现按规格快速设计。
• 在单一逆向设计过程中，同时优化高传输效率（>90%）、低反射率（<−20 dB）和任意分束比。
• 证明DNN可仅通过约20,000次FDTD仿真，在2^400种组合的庞大设计空间中实现泛化，将设计时间从数小时缩短至毫秒级。

提出的方法

• 采用残差神经网络（ResNet）架构，训练其将二值孔洞位置矩阵（器件拓扑结构）映射为光谱传输与反射响应（正向模型）。
• 训练逆向设计模型，将期望的光谱响应（目标分束比与低反射率）映射为对应的二值孔洞位置向量（器件拓扑结构）。
• 逆向模型使用伯努利分布分类器预测孔洞位置（0或1），并在预测后应用量化操作以生成二值化设计。
• 训练数据通过Lumerical的FDTD软件包进行3D FDTD仿真生成，Si和SiO2在1.45–1.65 µm波段采用色散折射率模型。
• 使用Python中的TensorFlow训练网络，通过多轮训练最小化损失函数，确保收敛至二值解（0或1）。
• 通过独立的FDTD仿真对验证后的设计进行重新仿真，以确认性能，包括1550 nm波长下的电场传播特性。

实验结果

研究问题

• RQ1 深度神经网络能否从几何拓扑结构准确预测纳米光子器件的光学响应？
• RQ2 DNN能否执行逆向设计，生成能够实现用户指定光学响应（包括任意分束比与低反射率）的器件拓扑结构？
• RQ3 DNN能否仅通过约20,000次训练仿真，在2^400种组合的庞大设计空间中实现泛化？
• RQ4 该逆向设计框架能否同时实现高传输效率（>90%）、低反射率（<−20 dB）和宽带工作（1450–1650 nm）？

主要发现

• DNN在所有测试分束比（1:1、1:2、1:3）下均实现了超过90%的传输效率，创下目前集成功率分配器中报告的最高效率记录。
• 除1:2分束器外，所有情况下反射率均低于−20 dB，表明设计有效抑制了背向反射。
• 逆向设计过程在每项设计中均于1秒内生成有效且优化的器件拓扑结构，实现了快速、交互式按规格设计。
• 该方法在1450–1650 nm范围内实现了宽带工作，所有目标分束比下性能一致，表明对波长变化具有鲁棒性。
• 训练后的DNN仅通过约20,000次FDTD仿真，即在2^400种组合的整个设计空间中实现泛化，显著减少了对全面数值优化的需求。