一种用于分配光束的光子器件包括：输入端口，其被配置成接收具有输入功率的输入光束；功率分配器，其包括被设置在具有第一折射率的引导材料的第一区域和第二区域中的扰动节段，各个节段皆具有第二折射率，其中，第一区域被配置成将输入光束分配成第一光束和第二光束，其中，第二区域被配置成分离地引导第一光束和第二光束，其中，第一折射率大于第二折射率；以及输出端口，其包括连接所述功率分配器的第一输出端口和第二输出端口，第一输出端口和第二输出端口分别接收和发送第一光束和第二光束。输出端口分别接收和发送第一光束和第二光束。输出端口分别接收和发送第一光束和第二光束。
【技术实现步骤摘要】
【国外来华专利技术】用于材料、器件、以及结构的逆向设计的生成模型
[0001]本专利技术总体上涉及使用条件变分自编码器来随机生成材料、器件、或结构设计的方法，其中材料、器件、或结构的希望特性是作为条件给出的。我们使用对抗网络来细化设计。
技术介绍
[0002]在材料、器件、以及结构的许多领域中，设计是个挑战，这是因为需要同时优化数十、数百、甚或更多的参数，并且用于验证新参数集的经更新的特性的每一次仿真或实验都花费较长时间。因此希望有高效的优化方法。
[0003]此前已经进行了使用深度神经网络沿正向或逆向进行回归来进行光学器件的逆向设计。(Tahersima等人，科学报告)。一旦对逆向模型进行了完全训练，理论上就可以为我们生成设计参数。然而，先前的逆向神经网络模型用于优化二元结构(诸如0或1)，这减小了实际优化问题的维数。这可能带来一些限制，诸如较窄的带宽以及需要进一步优化的半优化结果。因此，可以将更好的生成模型用于这种复杂的优化问题。
技术实现思路
[0004]本专利技术提出使用与对抗网络结合的条件变分自编码器来随机地生成器件设计，其中，希望的器件性能是作为条件给出的。
[0005]可以添加主动训练(协同训练)以进一步提高性能。
[0006]本公开的一些实施方式是基于MMI结构的硅光子分配器。最终MMI的尺寸为2.25μm
×
2.25μm。在MMI结构上存在400个孔向量，并且这些孔具有范围从40μm至90μm变动的可变孔直径。经完全训练的CVAE模型可以基于不同的分配比(splitting ratio)输入来生成不同的孔向量组合。所有生成的器件的总传输效率在非常宽的带宽(从1300nm到1800nm)上高于89％，并且插入损失可忽略(低于
‑
25dB)。可以将这种模型应用于不同的器件，诸如模式转换、定向联接器等。
[0007]所述实施方式中的一些实施方式基于与两个不同的数据集组合的训练数据：第一个是具有二元孔尺寸(没有孔或者90nm孔)的“半优化”结果。这些器件的带宽相对较低(100nm)。数据集的第二部分是多个图案(pattern)及其性能的组合。根据实施方式，示出了利用上述“半优化”结果，我们可以训练能够生成在宽带宽(500nm)上具有优异性能(90％总传输率)的器件的模型。在根据本公开的一些实施方式中，模型结构是条件变分自编码器以及基于贝叶斯定理(Bayesian Theorem)的对抗块(adversarial block)。该模型结构希望该模型成为数据概率分布的基础，以使它可以从该分布中采样新数据。我们的训练数据是通过进行FDTD仿真来生成的。数据被构造如下：多个DBS仿真以及一些随机生成的图案。训练图案都是二元孔，并且带宽相对较小(1500nm至1600nm)。总训练数据为～15000。
[0008]参照附图，将进一步阐释当前公开的实施方式。所示附图不一定是按比例的，而是重点通常放在说明当前公开的实施方式的原理上。
附图说明
[0009]图1示出了根据本专利技术的实施方式的系统的总体配置；
[0010]图2示出了根据本专利技术的实施方式的一般对抗CVAE网络；
[0011]图3示出了根据本专利技术的实施方式的CVAE编码器块的详细结构；
[0012]图4示出了根据本专利技术的实施方式的CVAE解码器块的详细结构；
[0013]图5示出了根据本专利技术的实施方式的对抗块的详细结构；
[0014]图6示出了根据本专利技术的实施方式的针对模型的训练处理的流程图；
[0015]图7示出了根据本专利技术的实施方式的输入数据预处理步骤；
[0016]图8示出了根据本专利技术的实施方式的通过CVAE模型的详细数据流；
[0017]图9示出了根据本专利技术的实施方式的用于生成最终模型的主动学习处理；
[0018]图10示出了根据本专利技术的实施方式的绘制布局的映射算法的流程图；
[0019]图11A是根据本专利技术的实施方式的总体器件结构介绍；
[0020]图11B是根据本专利技术的实施方式的总体器件截面结构；
[0021]图11C是根据本专利技术的实施方式的器件截面处的模式分布图；
[0022]图12A示出了根据本专利技术的实施方式的所生成的具有5:5的分配比的器件；
[0023]图12B示出了根据本专利技术的实施方式的所生成的5:5分配器的仿真结果；
[0024]图12C示出了根据本专利技术的实施方式的所生成的5:5分配器的仿真结果；
[0025]图12D示出了根据本专利技术的实施方式的所生成的5:5分配器的仿真结果；
[0026]图13A示出了根据本专利技术的实施方式的所生成的具有6:4的分配比的器件；
[0027]图13B示出了根据本专利技术的实施方式的所生成的6:4分配器的仿真结果；
[0028]图13C示出了根据本专利技术的实施方式的所生成的5:5分配器的仿真结果；
[0029]图13D示出了根据本专利技术的实施方式的所生成的5:5分配器的仿真结果；
[0030]图14A示出了根据本专利技术的实施方式的所生成的具有7:3的分配比的器件；
[0031]图14B示出了根据本专利技术的实施方式的所生成的7:3分配器的仿真结果；
[0032]图14C示出了根据本专利技术的实施方式的所生成的5:5分配器的仿真结果；
[0033]图14D示出了根据本专利技术的实施方式的所生成的5:5分配器的仿真结果；
[0034]图15A示出了根据本专利技术的实施方式的所生成的具有8:2的分配比的器件；
[0035]图15B示出了根据本专利技术的实施方式的所生成的8:2分配器的仿真结果；
[0036]图15C示出了根据本专利技术的实施方式的所生成的5:5分配器的仿真结果；以及
[0037]图15D示出了根据本专利技术的实施方式的所生成的5:5分配器的仿真结果。
具体实施方式
[0038]下面的描述仅提供了示例性实施方式，而非旨在对本公开的范围、适用性或配置进行限制。相反，示例性实施方式的以下描述将向本领域技术人员提供能够用于实现一个或更多个示例性实施方式的描述。可以设想的是，在不脱离所附权利要求中阐述的所公开主题的精神和范围的情况下，可以对要素的功能和排布进行的各种改变。
[0039]在以下描述中给出具体细节，以提供对实施方式的透彻理解。然而，本领域普通技术人员应当理解，可以在没有这些具体细节的情况下实践这些实施方式。例如，所公开主题中的系统、处理以及其它要素可以以框图形式示出为组件，以免不必要的细节模糊这些实
施方式。在其它情况下，公知的处理、结构以及技术可以在没有不必要的细节的情况下被示出，以避免模糊这些实施方式。此外，各个附图中的相同标号和标记表示相同要素。
[0040]另外，各个实施方式可以被描述为处理，该处理被描绘为流程图、流图、数据流图、结构图或框图。尽管流程图可以将操作描述为顺序处理，但许多操作可以并行或同时执行。另外，操作的次本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于训练器件设计网络的系统，所述系统包括：接口，所述接口被配置成输入器件的数据；存储器，所述存储器用于存储包括编码器、解码器、以及对抗块的器件设计网络；以及处理器，所述处理器与所述存储器连接，所述处理器被配置成：基于第一损失函数更新所述编码器和所述解码器，以减小所述解码器的输入数据与输出数据之间的差异；并且通过最大化第二损失函数来更新要构造的所述对抗块。2.根据权利要求1所述的系统，其中，所述编码器由至少一个卷积层，接着至少一个平行全连接层进行构造，以提取所述器件的布局的特征。3.根据权利要求2所述的系统，其中，两个卷积层中的每个卷积层包括多于两个的通道。4.根据权利要求2所述的系统，其中，两个平行全连接层中的每个平行全连接层包括两个输入/输出维数。5.根据权利要求1所述的系统，其中，所述器件是光学功率分配器，其中...
【专利技术属性】
技术研发人员：小岛启介，汤英恒，秋浓俊昭，王也，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：
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。