[发明专利]微纳光电子器件的优化方法及片上模分复用/解复用器

说明书

本发明公开了一种微纳光电子器件的优化方法及片上模分复用/解复用器，包括以下步骤：建立器件的初始仿真模型，计算此时整个仿真模型的品质因数值；选择初始多边形的一个可移动顶点作为搜索点，每改变一次搜索点的位置，计算一次品质因数值；搜索使得品质因数值最优的搜索点的位置；将搜索点的位置保持在使得品质因数值最优的位置，对下一个搜索点进行搜索，所有的搜索点均搜索过一遍最优位置为一次迭代；重复迭代，直至达到设定的指标。本优化方法的优化速度快，能够节省大量的计算时间和计算资源；具有形状搜索能力，无需给定详细的初始结构；能优化现有模分复用/解复用器的尺寸。

技术领域

本发明涉及微纳光电子器件技术领域，特别地，涉及一种微纳光电子器件的优化方法及片上模分复用/解复用器。

背景技术

随着人类社会的发展，人们在生产生活中产生和需要的信息量成指数增长。如何高效地传输和处理这些信息成为人类亟待解决的问题。由于光子通信具有延迟低、带宽大、损耗小等优点，“光互连”技术被认为是一种非常有前途的高速通信解决方案，并且其可以应用先进的光子复用技术来进一步提高容量。与此同时，“光通信”、“光计算”等技术也被广泛应用于人类信息前端收发与后端处理领域。为了满足低能耗、低占地面积、高机动性等需求，光互连、光通信、光计算系统正在逐渐向小型化(最终达到芯片级尺寸)、大规模集成化方向靠拢。

片上大规模集成化的光互连、光通信、光计算技术的实现，离不开各种各样的光电子器件，尤其是微纳光电子器件。目前，已经有大量的学术研究报道了很多基于传统方法设计的微纳光电子器件，由于这些器件尤其是多功能或者系统化的器件，通常需要占用数十或数百个μm²的面积，所以虽然它们可以取得一定的效果，但是很难用在片上大规模集成方面，因此对未来光互连技术的发展趋势适应性较差。除了应具有很小的占用面积外，每个器件尽可能低的插入损耗和尽可能低的串扰也是实现片上微纳光电子器件密集集成的必要条件。

传统方法设计的微纳光电子器件尺寸较大的原因是，在设计这类器件时，传统的设计方法往往都是先根据经验以及相关的理论知识设计一个基于规则波导的初始结构，然后通过扫描某些特定的参数或者通过分析半解析模型来设计。由于适合解析分析的物理过程往往需要较大尺度的作用空间，所以这些器件的尺寸一般都较大。并且，按照这种方法设计的器件，其可变参数空间很小，其设计自由度很受限。如前文所述，这对于片上大规模集成来说是个很严重的缺陷。

如今，有很多的智能化设计算法问世，其中有很多的智能化设计算法被应用到了微纳光电子器件的设计过程中。与传统方法相比，智能化算法设计具有设计过程简单直观、参数自由度大、理论门槛低等优势。常用的设计微纳光电子器件的算法有遗传算法(Genetic Algorithm，GA)、粒子群优化(Particle Swarm Optimization，PSO)、直接二进制搜索(Direct Binary Search，DBS)算法、伴随法(Adjoint Method，AM)等。然而，这些算法也具有一些不足之处。例如，遗传算法、粒子群优化算法等在优化器件时往往需要先给定初始结构和需要优化的参数(一般情况下为长、宽、高、角度、间隔等形状参数)，之后利用算法对这些参数进行优化，找到使得优化目标满足需求的参数数值组合。这就使得遗传算法、粒子群优化算法的优化过程实际上是在一系列“相似但不相同的形状(例如不同长宽比的矩形)”的器件中寻优，因此其选择的自由度较小，而且遗传算法由于其优化过程目标性不强，因此优化耗费的时间和运算成本较高。直接二进制搜索算法在设计器件时无需给定初始结构，只需要给定优化区域，就可以在优化区域内通过对每个“像素”的“翻转”找到最优结构。其优化过程实际上是在一个大的“器件的形状集”(可类比于照片集)中寻优。然而，其也面临着形状集巨大导致寻优计算成本较高、容易局部收敛、神经网络训练难度大等问题。

由于一个大规模的集成芯片中可能需要极大数量的器件，因此，设计每个器件的时间和运算成本都是需要着重考虑的。设计时间和运算成本都需要控制在合理范围内，否则很多集成目标实际上是无法实现的。