通过机器学习闭合薄膜生长环路：基于 III-V 多量子阱微环激光器的生长与几何联合优化

实现器件间的可重复性是可扩展光子集成电路的关键瓶颈，因为底部自组烯生长和制造中的细微变动严重限制产能。我们提出一种机器学习工作流程，用于 III-V 多量子阱微环激光器，首先通过多目标贝叶斯优化来优化生长和几何参数，然后利用变分自编码器 (VAE) 对剩余的器件间变异来源进行归因。通过显式针对阈值波动而非绝对性能进行优化，我们实现了所有设计的 100% 激光产能。优化后的多量子阱微环激光器实现了中位数激光阈值为 $16~\mu\mathrm{J}\,\mathrm{cm}^{-2}\,\mathrm{pulse}^{-1}$，阈值波动相对于此前报告的最佳值降低了 73%，且中位数发射波长为 $1333~\mathrm{nm}$，位于通信 O 带。此外，为诊断在名义相同条件下的残余性能分散，利用 VAE 隔离影响性能的关键器件形貌成分。该分析成功地将几何 disorder 与材料 disorder 解耦，定量地将此前未测量的形貌变异与群体水平的阈值波动相关联。该数据驱动的工作流程搭建了从基础薄膜生长到可靠制造之间的鸿沟，为设计和产能优化复杂非线性光子电子器件树立了可推广的蓝图。