强化学习实现紧凑高效集成光子器件的设计
应用物理
2022-10-25 v1 光学
摘要
在本文中，我们介绍了利用称为吸引子选择的强化学习来设计集成光子器件的方法。我们将三维时域有限差分法与基于人工神经网络的吸引子选择算法相结合，以实现具有低串扰的超紧凑高效光子器件，如波分解复用器与偏振分束器。所提出的器件由绝缘体上硅材料构成，其与互补金属氧化物半导体技术兼容，且其结构尺寸使未来可能的制造工艺得以实现。数值结果针对约 1550 nm 的近红外波长给出，并将所设计面积为 3x3 um2 的光子器件性能与先前报道的结构进行了比较。结果表明，强化学习被成功应用于设计更小且更优的集成光子器件，且所提方法的使用可进一步扩展至不同应用。
引用
@article{arxiv.2210.13215,
title = {Reinforcement learning enabled the design of compact and efficient integrated photonic devices},
author = {Mirbek Turduev and Emre Bor and Onur Alparslan and Y. Sinan Hanay and Hamza Kurt and Shin'ichi Arakawa and Masayuki Murata},
journal= {arXiv preprint arXiv:2210.13215},
year = {2022}
}
备注
6 pages, 6 figures