用于硅光子器件全场预测的基于物理的流匹配

设计光子集成电路需要精确的电磁场仿真，即使对于简单的器件几何结构，这也仍然在计算上代价高昂。我们提出了 PIC-Flow，一种生成式神经代理模型，它根据光子器件的几何结构和操作波长预测电磁场分布，作为昂贵的时域有限差分（FDTD）仿真的替代方案。我们的方法结合了三个关键思想： 条件流匹配作为生成框架，学习一个将高斯噪声传输到物理有效场解的速度场； 在分离的实部和虚部场通道上操作的实值 U-Net； 通过强制执行 $\nabla^2 E_z + k_0^2 \varepsilon E_z = 0$ 的 Helmholtz 残差损失进行物理约束训练。我们为 Helmholtz 残差引入了一种界面感知掩蔽方案，排除了有限差分模板误差占主导的介电边界像素，从而产生了一个具有物理意义的合规性度量。数据集由 22,500 次真实 FDTD 仿真组成，在 $\lambda=1.55\,\mu$m 下均匀分为多模干涉仪、Y 分支和定向耦合器，并按 80/10/10 的比例划分为训练集、验证集和测试集。我们针对留出测试器件评估了网络的消融，并表明该模型能够泛化到留出的器件类别，如 S 弯曲、锥形和级联 Y 分支。这项工作并非 FDTD 的直接替代品，而是奠定了一个基础，通过更广泛的数据覆盖、更多的计算和进一步的训练优化，有望扩展到宽带、器件无关的场预测，从而以大幅改善的运行时间实现复杂光子器件和电路的快速设计空间探索。