基于神经网络和遗传算法的硅基光子器件仿真方法和系统技术方案

本发明专利技术公开了一种基于神经网络和遗传算法的硅基光子器件仿真方法和系统，属于半导体光电子技术领域。方法包括：将器件待优化区域划分为多个网格；随机对各网格折射率进行初始化，生成多种器件结构，并对生成的多种器件结构进行电磁仿真，对应获得不同的输出结果；利用生成的器件结构及其对应的仿真结果训练正向神经网络；采用遗传算法和训练好的正向神经网络迭代更新结构集，得到器件最终结构。本发明专利技术具有普适性和超快的设计效率，不需要复杂的迭代仿真过程，同时遗传算法的引入避免了直接训练反向网络会出现的同一性能可能对应多个结构的“一对多”问题，遗传算法的随机性也更有利于发现全局最优解。

【技术实现步骤摘要】
基于神经网络和遗传算法的硅基光子器件仿真方法和系统
本专利技术属于半导体光电子
，更具体地，涉及基于神经网络和遗传算法的硅基光子器件仿真方法和系统。
技术介绍
随着5G通信、超性能计算、数据中心、物联网等的迅猛发展，人们对超高速率、超低功耗和超大容量的硅基光子芯片的需求越来越高。如何设计制造出超小尺寸超高性能的硅基光子器件成为研究人员研究的热点。目前针对如何设计制造出超小尺寸超高性能的硅基光子器件，主要是采用逆向设计的思路和方法，目前研究人员比较广泛采用的有两种：一种是基于传统迭代仿真的优化方法，如二进制搜索法、伴随法等，这种方法依靠仿真软件进行迭代仿真，仿真周期长(数周)，消耗计算资源大，同时对设计初值的依赖很严重，容易陷入局部最优解，而且更换设计目标需要重新进行迭代设计；另外一种是基于深度学习神经网络的设计方法，通过训练神经网络来获得目标性能和器件结构的映射关系，从而给定目标性能就能快速获得器件结构，这种方法解决了迭代仿真耗时长的问题，但也产生了新问题，由于光子器件的目标性能和器件结构通常不是一一映射的关系，同一目标性能可能对本文档来自技高网...

【技术保护点】
1.一种基于神经网络和遗传算法的硅基光子器件仿真方法，其特征在于，包括：/nS1.将器件待优化区域划分为n*n个网格，每个网格折射率可变；/nS2.随机对各网格折射率进行初始化，生成多种器件结构，并对生成的多种器件结构进行电磁仿真，对应获得不同的输出结果；/nS3.以生成的多种器件结构及其对应的电磁仿真结果分别作为输入和期望输出，迭代训练正向神经网络；/nS4.随机对各网格折射率进行初始化，生成M种器件结构，作为初始结构集；/nS5.将初始结构集输入训练好的正向神经网络，获得输出结果；采用遗传算法更新初始器件结构集，得到新的结构集，并将新的结构集作为初始结构集；/nS6.迭代执行步骤S5直至达...

【技术特征摘要】
1.一种基于神经网络和遗传算法的硅基光子器件仿真方法，其特征在于，包括：
S1.将器件待优化区域划分为n*n个网格，每个网格折射率可变；
S2.随机对各网格折射率进行初始化，生成多种器件结构，并对生成的多种器件结构进行电磁仿真，对应获得不同的输出结果；
S3.以生成的多种器件结构及其对应的电磁仿真结果分别作为输入和期望输出，迭代训练正向神经网络；
S4.随机对各网格折射率进行初始化，生成M种器件结构，作为初始结构集；
S5.将初始结构集输入训练好的正向神经网络，获得输出结果；采用遗传算法更新初始器件结构集，得到新的结构集，并将新的结构集作为初始结构集；
S6.迭代执行步骤S5直至达到设定次数，选取最靠近目标功能的输出结果，将该结果对应的结构作为器件最终结构。


2.根据权利要求1所述的一种基于神经网络和遗传算法的硅基光子器件仿真方法，其特征在于，步骤S2具体为：
随机生成N个n*n大小的矩阵构成第一矩阵集，对第一矩阵集进行电磁仿真，对应得到多个a*m大小的矩阵，构成第二矩阵集；其中，第一矩阵集代表多种器件结构，矩阵元素为0或1，0表示网格打孔，1表示网格未打孔，通过打孔与否改变网格折射率；第二矩阵集代表不同器件结构对应的电磁仿真输出；a表示器件输出端口数；m为根据器件目标功能设定的波长数量。


3.根据权利要求2所述的一种基于神经网络和遗传算法的硅基光子器件仿真方法，其特征在于，正向神经网络由a个残差神经网络并联组成；各个残差神经网络对应器件不同的输出端口；每个残差神经网络由五个残差块和一个全连接层组成；每个残差块由三层全连接单元层组成，每层全连接单元层的神经元个数为n*n；全连接层的神经元个数为m。


4.根据权利要求1所述的一种基于神经网络和遗传算法的硅基光子器件仿真方法，其特征在于，步骤S5中采用遗传算法更新初始结构集，具体包括：
根据初始结构集对应的输出结果，确定每个结构对应的适应度大小；
按照适应度越大的结构个体被选择的概率越大的方式，选取和初始结构集大小一致的个体数作为中间结构集；
将中间结构集中的结构按照a1概率随机选取另一个结构交叉、a2概率对该结构随机一个位置进行变异、a3概率保持该结构不变进行交叉变异，得到新的结构集；其中，a1、a2、a3为常数，a1+a2+a3＝1。


5.一种基于神经网络和遗传算法的硅基光子...

【专利技术属性】
技术研发人员：张敏明，黄琼龙，刘德明，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42