POViT：用于纳米光子器件多目标设计与表征的视觉 Transformer
机器学习
2022-12-01 v3 应用物理
光学
摘要
我们解决了半导体 IC 设计中的一项基本挑战：纳米尺度光子器件的快速准确表征。正如 AI 与 EDA 的融合，许多研究致力于将 CNN 等 DNN 应用于原型和表征光子集成电路（PIC）与 LiDAR 中常见的下一代光电器件。这些先前工作通常力求以超高精度与速度预测例如光子晶体的品质因子（Q）与模体积（V）。然而，最先进的模型仍远未可直接用于现实世界：例如 V 的相关系数（）仅约 80%，远低于生成可靠且可复现纳米光子设计所需。近来，基于注意力的 transformer 模型引起了广泛兴趣并广泛用于 CV 与 NLP。本工作中，我们提出首个 Transformer 模型（POViT）以高效设计并仿真具有多目标的半导体光子器件。不同于标准 Vision Transformer（ViT），我们输入光子晶体作为数据，并将激活层从 GELU 改为绝对值函数（ABS）。我们的实验表明 POViT 显著超越先前模型报道的结果。相关系数 提升超 12%（即达 92.0%），且 Q 的预测误差降低一个数量级，以及其他若干关键指标改进。我们的工作有潜力推动 EDA 向全自动化光子设计拓展。完整数据集与代码将公开以助力物理与计算机科学交叉领域的研究者。
引用
@article{arxiv.2205.09045,
title = {POViT: Vision Transformer for Multi-objective Design and Characterization of Nanophotonic Devices},
author = {Xinyu Chen and Renjie Li and Yueyao Yu and Yuanwen Shen and Wenye Li and Zhaoyu Zhang and Yin Zhang},
journal= {arXiv preprint arXiv:2205.09045},
year = {2022}
}
备注
The loss function should have been RMSE, not MSE, in the model evaluation section. As a result, the training results are all wrong. We need to withdraw this paper until we have come up with a solution to this issue