集成光子晶格中单个环形谐振器的机器学习表征
光学
2026-01-16 v1 无序系统与神经网络
摘要
随着器件架构变得日益复杂，准确确定集成光子学中单个元素的底层物理参数变得越来越困难。直接从系统整体的光谱测量中推断这些参数为传统校准提供了一种实用的替代方案，允许在不依赖详细器件特定模型的情况下对光子系统进行表征。在此，我们引入了一种有监督机器学习策略，从整个阵列的测量光谱功率分布中，学习耦合环形谐振器阵列中每个独立环的 onsite 损耗和共振频移。该神经网络在多种实验配置下都能高精度地推断这些参数。我们的方法为在耦合光子平台中提取本征参数提供了一种可扩展且非侵入性的方法，为未来自动校准和控制方法的发展铺平了道路。
引用
@article{arxiv.2601.09423,
title = {Machine-learning enabled characterization of individual ring resonators in integrated photonic lattices},
author = {Elizabeth Louis Pereira and Amin Hashemi and Faluke Aikebaier and Hongwei Li and Jose L. Lado and Andrea Blanco-Redondo},
journal= {arXiv preprint arXiv:2601.09423},
year = {2026}
}