Otimização de moduladores Mach-Zehnder integrados em fotônica de silício utilizando redes neurais artificiais

• Ano de defesa: 2022
• Autor(a) principal: Paula Júnior, Rômulo Aparecido de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Aprendizado do computador; Moduladores (Eletrônica); Interferência (Luz); Comunicações ópticas; Otimização combinatória
• Link de acesso: http://hdl.handle.net/11449/235582

Uma das principais vantagens da integração fotônica baseada na plataforma de silício sobre isolante (silicon-on-insulator, SOI) é a sua compatibilidade com o processo de manufatura de metal óxido-semicondutor complementar, possibilitando a produção em massa e reduzindo drasticamente o custo dos dispositivos. Além do mais, o alto contraste de índice de refração nesta plataforma resulta em um forte confinamento da luz no meio guiado, o que permite a construção de dispositivos compactos. Estas propriedades tornam a plataforma de silício sobre isolante atraente no projeto de sistemas coerentes ópticos, tais quais vêm ganhando atenção para enlaces cada vez mais curtos, como é o caso interconexões de alta velocidade em data-centers. Entretanto, o projeto de moduladores de banda larga e de baixo consumo de potência ainda é um desafio nesta plataforma. Dentre as arquiteturas existentes, o modulador de Mach-Zehnder (Mach-Zehnder Modulator, MZM) se mostra um candidato atraente devido ao seu potencial de apresentar larga banda eletro-óptica, baixo consumo de potência e alta estabilidade térmica. Estas qualidades se destacam, em especial, em MZMs com deslocadores de fase baseados no efeito de dispersão de plasma, operando em polarização reversa de tensão. Entretanto, a partir de uma revisão bibliográfica a respeito de MZMs construídos em silício, podemos perceber que o desempenho dos mesmos está atingindo um platô. Por outro lado, até onde sabemos, a otimização de MZMs por algoritmos de inteligência artificial ainda não tem sido explorada na literatura. Modelos de simulação eletromagnéticas apresentam um alto custo de tempo, enquanto que algoritmos de otimização como os evolutivos requerem numerosas inferências, ainda mais ao otimizar um dispositivo com múltiplos parâmetros de projeto, como é o caso do MZM. A partir de simulações realizadas em um entorno que integra os softwares CST, Lumerical (Mode e Device) e uma linguagem de alto nível, como o Python, simularam-se 10.000 configurações de MZM com parâmetros aleatórios. Os dados obtidos mediante estas simulações foram utilizadas para treinar uma rede neural que pode substituir o modelo eletromagnético de alta complexidade no cômputo da função de custo, de forma a acelerar algoritmos de otimização heurística. A simulação e a rede neural consideraram oito parâmetros de design no modelo, incluindo a largura do guia de onda, a largura das regiões dopadas, o comprimento do modulador e a tensão de polarização. No caso dos parâmetros de desempenho do modulador temos a banda eletro-óptica, a tensão de meia-onda e as perdas de inserção ópticas. Os resultados mostraram que a rede neural foi capaz de emular o modelo de simulação, mostrando uma acurácia satisfatória na predição dos três parâmetros de desempenho do MZM. Ao utilizarmos a rede neural como forma de computar a figura de mérito dos MZMs, o custo de tempo é reduzido por um fator de 1e7 em relação ao modelo de simulação. Com esta demanda menor por recursos computacionais, é possível executarmos otimizações que consideram um elevado número de iterações e indivíduos nas populações. Além do mais, diferentes figuras de mérito podem ser utilizadas para dar ênfase na otimização de parâmetros de métrica distintos. Concluímos que esta configuração de otimização conjunta possibilita achar os limites da arquitetura em termos das métricas consideradas.