基于多智能体强化学习的光子集成电路逆向设计
机器学习
2025-06-24 v1 人工智能
摘要
光子集成电路（PICs）的逆向设计传统上依赖梯度优化方法，但该方法容易陷入局部最优解，导致设计功能次优。随着光子集成电路因其在光子计算中解决现代硬件需求潜力而受到关注，更具适应性的优化算法备受关注。我们提出了用于PICs设计的强化学习（RL）环境以及多智能体RL算法。通过将设计空间离散化为网格，將設計任務形式化為包含数千个二元变量的优化问题。我们考虑多个二维和三维设计任务，代表光子计算系统的光子组件。通过将设计空间分解为数千个 individual 智能体，我们的算法仅需数千个环境样本即可优化设计。在二维和三维设计任务中，我们的方法在性能上优于以前的基于梯度的优化方法。我们的工作也可能作为更深入探索光子学中样本高效RL逆向设计的基准。
引用
@article{arxiv.2506.18627,
title = {Multi-Agent Reinforcement Learning for Inverse Design in Photonic Integrated Circuits},
author = {Yannik Mahlau and Maximilian Schier and Christoph Reinders and Frederik Schubert and Marco Bügling and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:2506.18627},
year = {2025}
}