XG-Attention-WGAN PIC：基于 XGBoost-Attention-WGAN 的光子集成电路设计
光学
2025-10-07 v1 斑图形成与孤子
摘要
光子集成电路（PIC）是光子计算、通信、量子信息处理和精密感测的基础，但传统数值仿真在设计 PIC 组件时计算负担沉重，难以处理高维参数空间。本文引入 XG-Attention-WGAN PIC 框架，新颖地将 Wasserstein 生成对抗网络（WGAN）与 eXtreme Gradient Boosting（XGBoost）相结合，以增强参数预测和逆向设计。我们利用有限差分时域仿真生成高保真训练数据，并通过 WGAN 生成的合成数据进行数据增强，实现均方根误差（RMSE）为 0.26089；集成 XGBoost 后，该误差降至 0.008。在 WGAN 生成器中引入 64 头自注意力机制，可显著提升数据质量和模型效率。经 1000 个训练周期验证，本方法在微环共振器上实现了卓越的预测精度和设计优化，同时自主发现一种新型、可实验实现的几何结构，实现 Q 因子性能提升。该框架为开发高性能 PIC 组件提供了可扩展的数据驱动策略，具有促进量子计算和先进光子系统发展的前景。
引用
@article{arxiv.2510.03651,
title = {XG-Attention-WGAN PIC: Utilizing XGboost-Attention-WGAN for Photonics Integrated Circuit Design},
author = {Mahmood Hasani and Atena Shircharandabi and Masiha Rabiei and Mobin Motaharifar and Mehrdad Ghasemi and Yaser Mike Banad and Sarah Sharif},
journal= {arXiv preprint arXiv:2510.03651},
year = {2025}
}