System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 可重构波长选择性分束器制造技术_技高网

可重构波长选择性分束器制造技术

技术编号:43775615 阅读:2 留言:0更新日期:2024-12-24 16:13
提供了一种用于对光束进行分束的可重构器件。该器件包括:输入端口,其被配置为接收包括至少两个主波长的输入光束;可调分束器,其被配置为经由与至少两个主波长对应的至少两条路线将输入光束分离成至少两个光束,其中,至少两条路线中的每一条被配置为传播输入光束的至少两个主波长中的一个,其中,可调分束器包括底部电极、在底部电极上的基板、布置在基板上的芯段、顶层、连接基板和顶层的支撑段、在顶层上的顶部电极、被布置为填充基板、支撑段和顶层之间的间隙的可控折射率层;以及至少两个输出端口,其被配置为传输经由至少两条路线传播的至少两个光束。

【技术实现步骤摘要】
【国外来华专利技术】

本专利技术总体上涉及用于训练器件设计网络以便使用条件变分自动编码器来随机生成材料、器件或结构设计的方法和系统。


技术介绍

1、在材料、器件和结构的许多领域,设计是一个挑战,因为需要同时优化数十、数百或甚至更多的参数,并且每次验证新参数集的更新特性的仿真或实验花费很长时间。因此,期望有高效的优化方法。

2、之前已使用深度神经网络对光学器件进行了逆设计以便于正向或逆向回归(tahersima等人,scientific reports)。一旦逆模型被充分训练,理论上它就可为我们生成设计参数。然而,先前的逆神经网络模型用于优化二元结构(例如0或1),这降低了实际优化问题的维度。这可能带来一些限制,例如带宽更窄以及需要进一步优化的半优化结果。需要构造更好的生成模型以用于更复杂的优化问题。


技术实现思路

1、本专利技术提出了使用条件变分自动编码器结合对抗网络来随机生成器件设计,其中,给出期望的器件性能作为输入条件。可添加主动训练(协同训练)以进一步改进性能。

2、本公开的一些实施方式使用硅作为波导材料并且使用二氧化硅作为包覆材料。一些实施方式使用氮化硅作为波导材料并且使用二氧化硅作为包覆材料。

3、一些实施方式使用液晶作为可重构材料。液晶具有各向异性的折射率,并且通过施加电场,取向轴可随各个方向上的折射率一起改变。

4、一些实施方式具有一个输入端口和至少两个输出端口。一些实施方式具有通过伴随方法设计的纳米结构,而一些实施方式具有通过深度学习设计的纳米结构。

5、根据本公开的一些实施方式,模型结构是基于贝叶斯定理的条件变分自动编码器以及对抗块。希望该模型成为数据概率分布的基础,以使得可从该分布采样新数据。我们的训练数据通过进行fdtd仿真来生成。通过以下方法来构造数据:多种伴随优化方法。

6、根据本专利技术的一些实施方式,提供一种用于训练器件设计网络以用于生成器件布局的系统。该系统可包括:接口,其被配置为获取器件的输入数据;存储器,其存储包括第一编码器和第二编码器、第一解码器和第二解码器以及第一对抗块和第二对抗块的器件设计网络;以及处理器,其与存储器连接,被配置为:基于第一损失函数和第三损失函数更新第一编码器和第二编码器以及第一解码器和第二解码器,以减小第一解码器和第二解码器的输入数据与输出数据之间的差异;并且通过使第二损失函数最大化来更新第一对抗块和第二对抗块。

7、此外,本专利技术的一些实施方式可提供一种用于训练器件设计网络的计算机实现的训练方法。在这种情况下,该方法包括以下步骤:经由接口获取器件的输入数据;基于第一损失函数和第三损失函数来更新第一编码器和第二编码器以及第一解码器和第二解码器,以减小第一解码器和第二解码器的输入数据与输出数据之间的差异;以及通过使第二损失函数最大化来更新第一对抗块和第二对抗块。

8、此外,本专利技术的一些实施方式基于这样的认识:可提供一种用于使用器件生成网络来生成器件布局的计算机实现的方法。该计算机实现的方法可包括以下步骤:经由接口获取器件的输入数据;将输入数据馈送到器件生成网络中,其中,通过计算机实现的训练方法对器件生成网络进行预训练,其中,该计算机实现的训练方法被配置为经由接口获取器件的输入数据;基于第一损失函数和第三损失函数来更新第一编码器和第二编码器以及第一解码器和第二解码器,以减小第一解码器和第二解码器的输入数据与输出数据之间的差异;以及通过使第二损失函数最大化来更新第一对抗块和第二对抗块。该计算机实现的方法还包括:使用预训练的器件生成网络来生成器件布局的布局数据;以及将布局数据存储到存储器中。

9、此外,本专利技术的另一实施方式提供了一种用于训练生成器件图案的条件变分自动编码器(cvae)网络的计算机实现的训练方法。该方法包括以下步骤:经由数据通信接口从训练数据集获取来自训练数据集的器件的输入数据到cvae网络的双通道输入中,其中,cvae网络包括编码器-解码器块和解码器-编码器块;基于第一损失函数和第三损失函数之和来更新cvae网络,以减小第一编码器和第二编码器以及第一解码器和第二解码器的输入数据与输出数据之间的差异;以及通过使第二损失函数最大化来更新第一对抗块和第二对抗块,其中,继续获取输入数据、更新cvae网络以及更新第一对抗块和第二对抗块的步骤,直至使用训练数据集中的预定数据集或所有训练数据集。

本文档来自技高网...

【技术保护点】

1.一种用于对光束进行分束的可重构器件,该可重构器件包括:

2.根据权利要求1所述的可重构器件,其中,所述芯段被布置为,当利用所述顶部电极和所述底部电极向所述可控折射率层施加电场时,切换所述至少两条路线。

3.根据权利要求1所述的可重构器件,其中,所述可控折射率层是液晶LC。

4.根据权利要求1所述的可重构器件,其中,所述基板是绝缘体上硅基板。

5.根据权利要求1所述的可重构器件,其中,所述可控折射率层被电极覆盖。

6.根据权利要求1所述的可重构器件,其中,所述可控折射率层包括铁电液晶。

7.根据权利要求1所述的可重构器件,其中,所述可控折射率层包括硫系材料。

8.根据权利要求1所述的可重构器件,其中,波导层包括氮化硅。

9.根据权利要求1所述的可重构器件,其中,波导层包括硅。

10.一种用于训练生成器件图案的条件变分自动编码器CVAE网络的计算机实现的训练方法,其中,该方法包括以下步骤:

11.根据权利要求10所述的方法,其中,所述器件的所述输入数据包括输入图案数据和输入条件数据,其中,所述输入数据被馈送到所述CVAE网络的所述编码器-解码器块的2通道输入端口中,其中,所述编码器-解码器块生成潜在变量,其中,所生成的潜在变量用作所述解码器-编码器块的输入。

12.根据权利要求11所述的方法,其中,所述解码器-编码器块基于所述潜在变量生成重构的图案。

...

【技术特征摘要】
【国外来华专利技术】

1.一种用于对光束进行分束的可重构器件,该可重构器件包括:

2.根据权利要求1所述的可重构器件,其中,所述芯段被布置为,当利用所述顶部电极和所述底部电极向所述可控折射率层施加电场时,切换所述至少两条路线。

3.根据权利要求1所述的可重构器件,其中,所述可控折射率层是液晶lc。

4.根据权利要求1所述的可重构器件,其中,所述基板是绝缘体上硅基板。

5.根据权利要求1所述的可重构器件,其中,所述可控折射率层被电极覆盖。

6.根据权利要求1所述的可重构器件,其中,所述可控折射率层包括铁电液晶。

7.根据权利要求1所述的可重构器件,其中,所述可控折射率层包括硫系材料。

【专利技术属性】
技术研发人员:小岛启介郑珉宇秋浓俊昭王也M·布兰德
申请(专利权)人:三菱电机株式会社
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1