Это исследование в области искусственного интеллекта революционизирует проектирование кремниевого модулятора Маха-Цендера через глубокое обучение и эволюционные алгоритмы

This AI research revolutionizes the design of Mach-Zehnder silicon modulator through deep learning and evolutionary algorithms.

Требования к пропускной способности сети возросли из-за популярности Netflix и Интернета вещей и перехода к распределенной архитектуре вычислений и хранения. В случае короткодистанционных применений, где стоимость сети высока, особенно сложно удовлетворить такие требования к пропускной способности. Например, оптические интерконнекты высокой скорости (OIs) обеспечивают связь между широко разбросанными гипермасштабными центрами обработки данных. Оптический передатчик, где основную роль играет электро-оптический модулятор, является ключевым компонентом такой системы с точки зрения стоимости и производительности. Литиевые ниобатные модуляторы, широко используемые в дальнемагистральных и городских системах, имеют выдающиеся характеристики, но не могут быть эффективно интегрированы с соответствующей электроникой из-за большого размера и высокой стоимости материалов.

В последние годы интегрированная фотоника была объектом множества исследований в этой области. Так как ее совместимость с технологией CMOS позволяет не только органично интегрировать с электронным этапом, но также использовать ее технологический опыт и зрелую производственную инфраструктуру, кремниевая (Si) фотоника стала перспективной платформой для реализации недорогих и высокопроизводительных оптических модуляторов.

Границы производительности кремниевых (Si) модуляторов Маха-Цендера (MZM), являющихся ключевым компонентом оптических коммуникационных систем, испытываются в высокоскоростных приложениях. Однако типичные методы оптимизации требуют чрезмерного времени и ресурсов для достижения высокопроизводительной конфигурации из-за огромного количества конструкторских факторов и сложности моделирования этих устройств. Исследователи предлагают новый подход к проектированию с использованием эвристической оптимизации и искусственных нейронных сетей для существенного упрощения процесса оптимизации.

3D-электромагнитное моделирование модулятора MZM на основе кремния заменили глубокой нейронной сетью. Затем эту модель использовали для оценки фигуры заслуг в пределах эвристического оптимизатора (метод дифференциальной эволюции). Они применили эту технику к CMOS-совместимым модуляторам MZM и обнаружили новые конфигурации, которые улучшают предыдущие передовые практики в таких областях, как электро-оптическая полоса пропускания, вставка потерь и напряжение полуволны. Поскольку кремний является полупроводником, он может создавать фазовые переключатели, основанные на эффекте плазменного рассеяния (PDE) путем инжекции и извлечения свободных носителей. Фундаментальный составной блок инфазных и квадратурных оптических модуляторов (IQM) требует восемь электрических управлений показателем преломления структуры для создания фазовых сдвигателей на основе ребристых волноводов. Интерферометры с использованием микрокольцевых резонаторов (MRR), модуляторов Мишельсона (MM) и модуляторов Маха-Цендера (MZM) все могут использовать кремниевые фазовые сдвигатели для манипулирования интерференционными образцами.

Хотя MRR и модуляторы Мишельсона-интерферометра (MIM) имеют небольшой размер, потребляют мало энергии и эффективно модулируют сигналы, их пропускная способность сильно ограничена. В отличие от них, модуляторы Маха-Цендера предоставляют оптимальный баланс между пропускной способностью модуляции, потреблением и вставкой потерь в высокоскоростных системах, несмотря на их относительно большой размер и высокое энергопотребление. Помимо уже упомянутых преимуществ, у модуляторов Маха-Цендера большая термическая стойкость и значительно меньше чирпа в модулированном сигнале по сравнению с MRR и MIM.

Кремниевая фотоника стала перспективным подложкой для реализации модуляторов Маха-Цендера благодаря ее совместимости с CMOS. Однако из-за недостаточных электро-оптических эффектов кремниевые модуляторы MZM, использующие эту технологию, требуют обширной оптимизации, исследуя как можно больше аспектов проектирования для достижения их полного потенциала. Исследователи предложили стратегию оптимизации на основе нейронных сетей и дифференциальной эволюции для достижения этой цели.

По сравнению с обычным моделированием на общецелевой рабочей станции время вывода для предложенной модели сократилось на семь порядков. Применение мультиагентной оптимизации, особенно дифференциальной эволюции, с большим количеством популяции и настройкой параметров оптимизации стало возможным благодаря значительному сокращению времени выполнения. Новые конфигурации MZM превзошли те, которые были получены случайным образом, используя предложенную комбинацию моделирования ANN и оптимизации DE. Впервые нейронные сети были использованы для создания интегрированных MZM. Полученные результаты вызывают интерес и демонстрируют потенциал предложенного метода проектирования, однако работу можно расширить на более сложные модели MZM, включая параметры, связанные с электродом, или для проверки других эвристических оптимизационных алгоритмов, таких как оптимизация роя частиц или генетические алгоритмы. Изучение системной производительности оптимизированного модулятора, включая экспериментальные результаты, будет представлено в последующих исследованиях.