面向集成光子生物传感器的物理驱动图神经网络逆向设计
光学
2026-02-24 v1
摘要
集成光子生物传感器提供紧凑、高度灵敏且无标签的平台，用于生化检测，使其成为芯片级和实时检测应用的吸引对象。然而，其设计仍具有挑战性，due to复杂的共振行为、强耦合效应以及反复完整电磁仿真的计算成本。在本工作中，我们提出一种物理驱动图神经网络（PI-GNN）用于1550 nm波段基于环形谐振器的生物传感器的逆向设计。通过将光子结构表示为图，并将共振基物理约束直接嵌入学习目标，该模型捕获结构连通性和底层电磁原理。该方法可高效预测实现目标光谱特征的器件几何，减少对高成本仿真的依赖，同时保持物理一致性和竞争性设计精度。
引用
@article{arxiv.2602.19082,
title = {Physics-Informed Graph Neural Network for Inverse Design of Integrated Photonic Biosensors},
author = {Yasaman Torabi and Amirali Ekhteraei and Mohammad Khajezadeh},
journal= {arXiv preprint arXiv:2602.19082},
year = {2026}
}