集成電路(IC)由于量子尺寸和功耗問題越來越無法滿足現(xiàn)代社會對高速數(shù)據(jù)處理和信息傳輸?shù)囊�。人們越來越關(guān)注到光子作為信息載體時的獨特優(yōu)勢,希望可以利用光子延續(xù)摩爾定律的發(fā)展。在這樣的時代背景下,硅基光子學(xué)得到了廣泛的研究。而對硅基光子系統(tǒng)性能的提升成為了重要的課題。除了利用基于傳統(tǒng)理論的設(shè)計和優(yōu)化方法外,將其他領(lǐng)域的理論向光學(xué)領(lǐng)域和硅基光子系統(tǒng)進行推廣以及結(jié)合近些年發(fā)展迅速的人工智能和逆向設(shè)計等新的技術(shù)手段都將為提升硅基光子系統(tǒng)的性能提供新的動力。本論文主要研究了提升硅基光子系統(tǒng)性能的新方法,主要創(chuàng)新點如下。引入了時空對稱理論,提出了在自發(fā)PT對稱性破缺的雙模波導(dǎo)中,損耗介質(zhì)對模式耦合損耗具有額外的增強作用。通過在雙模SOI波導(dǎo)上設(shè)計有效折射率實部和虛部的微擾分布,構(gòu)建了處于厄米相、破缺的PT對稱相和純吸收相的三種器件。通過數(shù)值計算和實驗有效地驗證了當(dāng)系統(tǒng)處于破缺的PT對稱相時,相比于純吸收相將具有更高的對目標(biāo)輸出模式能量的損耗。在該方案中,損耗介質(zhì)在常規(guī)的光吸收作用以外,還引入了從厄米相到破缺的PT對稱相的相變,而后者強烈地阻止從輸入模式到輸出模式的能量耦合,可以有效地增強模式耦合損耗。實驗結(jié)果顯示,模式耦合損耗增強因子可以達到17dB,且具有較高的帶寬。通過時空對稱理論增強硅基SOI波導(dǎo)內(nèi)模式耦合損耗的方案,可以為吸收型光強度調(diào)制器或光開光提供一種新型的設(shè)計思路,使得對于電控?fù)p耗介質(zhì)的利用更加高效,提高調(diào)制深度或消光比。引入了人工神經(jīng)網(wǎng)絡(luò)算法,提出了使用卷積神經(jīng)網(wǎng)絡(luò)分析多模波導(dǎo)內(nèi)模式能量分布的方案。該方案不依靠以往常用的空間模式排序技術(shù),降低了器件層面的復(fù)雜度,并將此負(fù)擔(dān)轉(zhuǎn)移到了數(shù)據(jù)處理層面。針對片上常見的薄SOI多模波導(dǎo)和SOI重多模波導(dǎo),分別設(shè)計了專用的卷積神經(jīng)網(wǎng)絡(luò)和普適的二維卷積神經(jīng)網(wǎng)絡(luò),從而利用預(yù)處理后的遠場光強圖像預(yù)測模式能量分布。這些訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)的性能經(jīng)驗證能夠達到較高水準(zhǔn)。在SOI重多模波導(dǎo)中,該性能也沒有下降。此外,訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)經(jīng)驗證對噪聲具有較高的魯棒性。這種利用卷積神經(jīng)網(wǎng)絡(luò)分析多模波導(dǎo)中的模式能量分布的新方法對于空分復(fù)用和結(jié)構(gòu)光領(lǐng)域具有較高的潛在應(yīng)用,并且可以拓展到多模光纖體系。引入了逆向設(shè)計理念,提出了利用粒子群優(yōu)化(PSO)算法設(shè)計超小尺寸高性能的硅基模式轉(zhuǎn)換器的方案。該方案將模式轉(zhuǎn)換器耦合區(qū)域的單側(cè)寬度變化和總長度參數(shù)化,并給予它們合理的取值范圍形成解空間。以FDTD計算出的TE00模的平均前向透射率為適合度函數(shù),不斷更新在解空間搜索的粒子的速度和位置,從而逐漸逼近全局最優(yōu)解。根據(jù)上述逆向設(shè)計的理念,得到了模式轉(zhuǎn)換器的全局最優(yōu)參數(shù)(或接近最優(yōu))并對其尺寸、插損、背向散射、模式轉(zhuǎn)換率、模式純度和加工誤差容忍度等多個性能指標(biāo)進行了分析。通過和前人結(jié)果進行比較,該模式轉(zhuǎn)換器表現(xiàn)優(yōu)異。
【學(xué)位單位】：南京大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2019
【中圖分類】：TN36
【部分圖文】：

圖１．２典型的硅基光電子芯片示意圖丨１０丨。??Ｆｉｇｕｒｅ?１．２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｔｙｐｉｃａｌ?ｓｉｌｉｃｏｎ?ｏｐｔｏｅｌｅｃｔｒｏｎｉｃ?ｃｈｉｐ?｜１０｜．??圖１．２是一個典型的硅基光電子芯片。圖中顯示了調(diào)制器、探測器、耦合器、??波導(dǎo)等器件，此外還需要在芯片上集成光源以形成一個完整的硅基光電子芯片。??在通訊的應(yīng)用場景下，往往還需要復(fù)用和解復(fù)用器件。整個芯片的性能由這些器??件或子系統(tǒng)的性能共同決定，因此提升這些硅基光子器件的性能是一個十分重要??的課題。除了利用基于傳統(tǒng)理論的設(shè)計和優(yōu)化方法外，將其他領(lǐng)域的理論向光學(xué)??２??

?第一章緒論???保形成波導(dǎo)底部的較寬硅層。這種復(fù)雜且對精準(zhǔn)度要求較高的微加工工藝流程是??將脊波導(dǎo)推向大規(guī)模生產(chǎn)的巨大阻力，即使在實驗室階段，也更愿意使用方波導(dǎo)??以降低對微加工工藝的要求。此外，一種方便加工的槽波導(dǎo)也被提出并實現(xiàn)［１７，??１８］。與上述兩種波導(dǎo)不同的是，槽波導(dǎo)電場最強的地方在兩個硅條中間的空氣??槽中。這種性質(zhì)將使得暴露在硅條外的電場可以與增益材料更加高效的相互作用，??從而提高全光開關(guān)［１９］、光學(xué)放大器［２０］和光學(xué)探測器［２１］的性能。當(dāng)然，這種被??局域在幾Ｉ?寬度內(nèi)的強電場，也可以用于多種場景下的高靈敏度光學(xué)傳感器??丨２２，?２３］。以上三種波導(dǎo)的橫截面以及場分布示意圖如下圖所示。??

（２）分光器??分光器是集成光互連領(lǐng)域不可或缺的組成部分，它可以將信號送到芯片的不??同部分。如圖１．４所示，常見的分光器件包括Ｙ結(jié)［２６］、定向耦合器［２７］、絕熱??３ｄＢｆ禺合器［２８］和基于多模干涉（Ｍｕｌｔｉ－ｍｏｄｅ?ｉｎｔｅｒｆｅｒｅｎｃｅ，ＭＭＩ）的器件［２９］等。??此外，還有一些基于ｌｘＮ環(huán)型諧振腔［３０］和倒梯形波導(dǎo)（Ｉｎｖｅｒｓｅｔａｐｅｒ）?［３１］的結(jié)??構(gòu)也有相關(guān)研究，但是這些結(jié)構(gòu)對微加工工藝的要求相對較高才能保證其性能。??ａ，ｂ?ｃ，??Ｏｕｔｌ?Ｉｎｌ?．?ｒｗｉ??＊?Ｏｕｔｌ??ＩＩＩ＊?Ｉｎ??Ｉｎ２?〇ｕｔ２??〇ｕｔ２?Ｏｕｔ２??圖１．４分光器件示意圖，其中紅色為Ｓｉ，灰色為Ｓｉ０２。（ａ）?１ｘ２?Ｙ結(jié)。（ｂ）?２ｘ２絕熱３ｄＢ??耦合器＾?（ｃ）?ｌｘ２ＭＭＩ。??Ｆｉｇｕｒｅ?１．４?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍｓ?ｏｆ?ｂｅａｍ?ｓｐｌｉｔｔｅｒｓ，?ｉｎ?ｗｈｉｃｈ?ｒｅｄ?ｒｅｐｒｅｓｅｎｔｓ?ｓｉｌｉｃｏｎ?ａｎｄ?ｇｒａｙ??ｒｅｐｒｅｓｅｎｔｓ?Ｓｉ〇２．?（ａ）?１ｘ２?Ｖ－ｊｕｎｃｔｉｏｎ．?（ｂ）?２ｘ２?ａｄｉａｂａｔｉｃ?３ｄＢ?ｃｏｕｐｌｅｒ
【相似文獻】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點預(yù)測法[J];金融經(jīng)濟;2017年18期

2 劉高宇;;深度神經(jīng)網(wǎng)絡(luò)在煤質(zhì)數(shù)據(jù)分析與預(yù)測中的應(yīng)用[J];電腦知識與技術(shù);2019年28期

3 馮偉業(yè);廖可非;歐陽繕;牛耀;;基于膠囊神經(jīng)網(wǎng)絡(luò)的合成孔徑雷達圖像分類方法[J];科學(xué)技術(shù)與工程;2019年28期

4 溫贊揚;;基于群智優(yōu)化神經(jīng)網(wǎng)絡(luò)的音樂風(fēng)格分類模型研究[J];現(xiàn)代電子技術(shù);2019年21期

5 鄭麗;;建筑設(shè)計中神經(jīng)網(wǎng)絡(luò)技術(shù)與遺傳算法探究[J];湖北農(nóng)機化;2019年21期

6 易煒;何嘉;鄒茂揚;;基于循環(huán)神經(jīng)網(wǎng)絡(luò)的對話系統(tǒng)記憶機制[J];計算機工程與設(shè)計;2019年11期

7 黃為;李永剛;胡上成;汪毅;;基于循環(huán)神經(jīng)網(wǎng)絡(luò)的船搖數(shù)據(jù)實時預(yù)測[J];科學(xué)技術(shù)與工程;2019年31期

8 賴策;魏小琴;;卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方式研究[J];信息與電腦(理論版);2019年22期

9 周濟民;;基于神經(jīng)網(wǎng)絡(luò)改進的元胞自動機分析——美國阿片類藥物濫用情況[J];信息系統(tǒng)工程;2019年11期

10 馬猛;王明紅;;基于進化神經(jīng)網(wǎng)絡(luò)的304不銹鋼車削加工表面粗糙度預(yù)測[J];輕工機械;2019年06期

相關(guān)博士學(xué)位論文 前10條

1 劉昂;微結(jié)構(gòu)硅基光子學(xué)器件性能的研究[D];南京大學(xué);2019年

2 肖理業(yè);基于機器學(xué)習(xí)的電磁場建模與設(shè)計研究[D];電子科技大學(xué);2019年

3 付錢華;憶阻神經(jīng)網(wǎng)絡(luò)的動力學(xué)研究[D];電子科技大學(xué);2019年

4 張馬路;Spiking機器學(xué)習(xí)算法研究[D];電子科技大學(xué);2019年

5 杜昌順;面向細(xì)分領(lǐng)域的輿情情感分析關(guān)鍵技術(shù)研究[D];北京交通大學(xué);2019年

6 陳涵瀛;核電站熱工水力系統(tǒng)工況預(yù)測與診斷方法研究[D];哈爾濱工程大學(xué);2018年

7 梁智杰;聾啞人手語識別關(guān)鍵技術(shù)研究[D];華中師范大學(xué);2019年

8 饒紅霞;信息受限下神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計和擬同步研究[D];廣東工業(yè)大學(xué);2019年

9 趙博雅;基于卷積神經(jīng)網(wǎng)絡(luò)的硬件加速器設(shè)計及實現(xiàn)研究[D];哈爾濱工業(yè)大學(xué);2018年

10 陳科海;機器翻譯上下文表示方法研究[D];哈爾濱工業(yè)大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 白會杰;基于人工智能的光伏發(fā)電短期功率預(yù)測技術(shù)[D];北京交通大學(xué);2019年

2 張榮葳;基于卷積神經(jīng)網(wǎng)絡(luò)與SimHash的網(wǎng)絡(luò)異常流量檢測技術(shù)研究[D];中國工程物理研究院;2019年

3 張超利;基于神經(jīng)網(wǎng)絡(luò)的河南省空氣污染預(yù)測研究[D];華北水利水電大學(xué);2019年

4 范汝鑫;基于深度神經(jīng)網(wǎng)絡(luò)的個性化商品推薦研究[D];合肥工業(yè)大學(xué);2019年

5 賈凱;人工蜂群算法與BP神經(jīng)網(wǎng)絡(luò)并行集成學(xué)習(xí)研究[D];合肥工業(yè)大學(xué);2019年

6 黃國維;基于深度學(xué)習(xí)的城市垃圾桶智能分類研究[D];安徽理工大學(xué);2019年

7 江白華;基于深度學(xué)習(xí)的人臉識別研究[D];安徽理工大學(xué);2019年

8 侯棟楠;基于深度特征學(xué)習(xí)的振動狀態(tài)識別方法[D];華北電力大學(xué);2019年

9 肖煒茗;基于Bernstein多項式和階梯路徑構(gòu)造的前向插值神經(jīng)網(wǎng)絡(luò)及逼近能力[D];天津師范大學(xué);2019年

10 強碩;基于神經(jīng)網(wǎng)絡(luò)的電鍋爐動態(tài)過程建模研究[D];華北電力大學(xué);2019年

本文編號：2859685