【技术实现步骤摘要】
本专利技术涉及片上集成光调制领域,尤其是涉及一种基于机器学习的任意波形产生器及其设计方法。
技术介绍
1、硅光子学因其独特的优势,例如高集成密度、低波导损耗、与互补金属氧化物半导体工艺的兼容性,以及潜在的成本效益,已成功发展成为最有前途的光子集成电路平台之一。目前,各种超紧凑型硅光子集成器件已成功开发用于光学互连和光传感应用,包括一些有源元件和许多无源元件,包括光学滤波器、波导交叉、偏振处理器件等等。
2、其中最重要的部分之一是高性能光学滤波器,它广泛用于各种光学系统中的光谱操纵。对于不同波长的光波,经过波导传输的透射率不同,因此可以作为调节频段的器件,将指定频率的光传输到后续器件中。片上光学滤波器是进行光学系统光谱操控的主要元件。传统的光栅滤波器通常更容易制造,放置灵活,仅需要在波导表面或侧壁周期性刻蚀,并且能够进行晶元级测试。然而,光栅滤波往往效率较低,且滤波范围较窄。
3、最简单的光学滤波器由一个均匀的光栅组成;然而,这种光栅的滤波效率是有限的。光栅几何形状的多样性直接导致设计光栅滤波器时需要针对特定的几何
...【技术保护点】
1.一种基于机器学习的任意波形产生器逆向设计方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于机器学习的任意波形产生器逆向设计方法,其特征在于,所述逆向预测多层感知器包括依次连接的第一输入层、多个全连接层、离散化层和第一输出层。
3.根据权利要求2所述的基于机器学习的任意波形产生器逆向设计方法,其特征在于,所述全连接层至少设有三个。
4.根据权利要求2所述的基于机器学习的任意波形产生器逆向设计方法,其特征在于,所述离散化层基于hard-sigmoid激活函数对数据进行处理,获得像素拓扑图案的像素点概率。
【技术特征摘要】
1.一种基于机器学习的任意波形产生器逆向设计方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于机器学习的任意波形产生器逆向设计方法,其特征在于,所述逆向预测多层感知器包括依次连接的第一输入层、多个全连接层、离散化层和第一输出层。
3.根据权利要求2所述的基于机器学习的任意波形产生器逆向设计方法,其特征在于,所述全连接层至少设有三个。
4.根据权利要求2所述的基于机器学习的任意波形产生器逆向设计方法,其特征在于,所述离散化层基于hard-sigmoid激活函数对数据进行处理,获得像素拓扑图案的像素点概率。
5.根据权利要求4所述的基于机器学习的任意波形产生器逆向设计方法,其特征在于,当所述离散化层获得的像素点概率值大于0.9时,所述第一输出层将像素拓扑图案的对应像素单元编码为1,否则编码为0。
6.根据权利要求1所述的基于机器学习的任意波形产生器逆向设计方法,其特征在于,所述正向仿真多层感知器...
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。