广告

使用机器学习设计复杂形状的GaN基亚波长光栅反射器

2022-11-30 17:23:19 Saumitra Jagdale 阅读:
基于机器学习的方法可用于实现和优化GaN基亚波长光栅(SWG)设计。

在现代电力电子产品中,GaN等材料在众多工业应用中发挥着至关重要的作用。在光子应用方面,亚波长光栅具有许多有用的特性,例如可调谐反射率和偏振选择性,这使得它们非常的通用。由于它提供的众多好处,这种SWG技术被用于各种元器件,包括发光二极管、热光伏、谐振器、滤光器等。III族氮化物VCSEL(垂直腔面发射激光器)就是这种类似的器件,其中亚波长光栅反射器已经过试验,并已成功商业化。不幸的是,由于高晶格失配度、低折射率对比度和低p型掺杂等问题,使开发高质量的分布式布拉格反射器(DBR)具有挑战性。5iHednc

在为目标应用设计亚波长光栅时,可以通过在设计参数和反射率特性之间形成复杂的非封闭形式映射来使用光子学设计。还有许多其他设计,如多周期光栅、球形和三角形阵列,它们在制造过程中有相当的局限性或由于光刻技术而引发问题。为了实现和优化亚波长光栅,我们测试了基于机器学习的方法,考虑优化500nm和1.55μm这两个波长范围。5iHednc

实验方法

5iHednc

图1:(a)矩形光栅,(b)多项式光栅5iHednc

如图1所示,测试了两种类型的光栅,其中两种光栅都是双周期光栅和一维光栅。由于光栅是零对比度的,因此它们表现出优于高对比度光栅的反射率,因此在解决方案的空间(Hc=0)中考虑了零对比度和高对比度光栅。矩形光栅中有四个可变参数(图1a),即占空比(f)、光栅厚度(Hg)、均匀包层厚度(Hc)和周期(Δ)。相比之下,如图 1(b) 所示,复杂形状的光栅具有弯曲的光栅轮廓。在x-y平面中,当x=fΔ到Δ的区域设置为0,多项式光栅在x=fΔ处被截断。从等式中可以看出,x以微米为单位,系数c0、c1、c2、c3和c4单位分别为μm、无单位、μm-1、μm-2和μm-35iHednc

5iHednc

由上式可知,g(x)=c4x4+c3x3+c2x2+c1x+c0,即多项式光栅的光栅参数为八个,搜索空间为八维。5iHednc

使用的优化方法和算法

实验是通过将差分进化算法应用于成本函数最小化来完成的,同时设置了两个目标:禁带宽度最大化和制造公差最大化。在禁带宽度最大化中,禁带宽度在不考虑制造公差的情况下使其最大化,在制造公差最大化中,在施加20nm禁带宽度约束的情况下使公差最大化。5iHednc

5iHednc

图2:设计优化过程5iHednc

图2显示了完整的优化过程。首先,需要对搜索空间中的向量进行成本函数评估。这测量了搜索空间内的光栅设计向量的反射率特性与所需反射率特性的偏差,该偏差可以通过RCWA方法计算。在禁带宽度优化中,成本函数可以定义为:5iHednc

5iHednc

其中,λi是沿着所考虑的中心波长处获取的所需反射率特征光谱的离散数据点。Rsi是搜索空间中特定向量的计算反射率值,Rdi表示λi的所需反射率值。当进行制造公差最大化时,5iHednc

5iHednc

其中M是跨越制造公差的离散收集参数值的数量,N是相应的波长位置,因此MxN是反射率值的评估点阵列。5iHednc

5iHednc

图3:(a)禁带宽度最大化的成本函数确定的评估点,(b)制造公差最大化的成本函数确定的评估点图示5iHednc

在实验过程中,还使用了差分进化算法来最小化成本函数。通过这样做,通过组合种群中每个向量的随机种群向量来创建突变向量。最后,只要获得较低成本函数值,试验向量就会取代总体向量。搜索向量指定为Xi。对于矩形光栅,Xi={f,Δ,Hg,Hc},对于多项式光栅,Xi={f, Δ, Hc,c0,c1,c2,c3,c4}。5iHednc

仿真后得到的结果

禁带宽度最大化

5iHednc

图4:针对500nm中心波长处的最大禁带宽度优化的矩形光栅设计的反射光谱5iHednc

如图4所示,描绘了优化后的矩形光栅的反射率特性。对于500nm中心波长,f=0.434,Δ= 415nm,Hg=157nm和Hc=31nm。可以看到结果是禁带宽度为170nm(λ/λcenter=34%)。5iHednc

5iHednc

表1:禁带宽度最大化结果5iHednc

上表显示了禁带宽度最大化结果。矩形光栅和多项式光栅在所有波长范围内都显示出相当的禁带宽度和公差,但对于多项式光栅,结果相对较差。5iHednc

制造公差最大化

5iHednc

图5:矩形光栅的公差最大化光谱(TE偏振光)5iHednc

如图5所示,对于多项式光栅f=0.683、Hg=1.73μm、Hc=29nm、g(x)=6.19x4–7.68x3–3.71x3–0.124x2+0.185。这种情况下,在最大化的制造公差是在施加了20nm的禁带宽度约束下产生的。5iHednc

5iHednc

表2:制造公差最大化的结果5iHednc

上表显示了制造公差最大化的结果。5iHednc

结论

通过在设计和制造过程中使用进化算法,在开发GaN亚波长光栅方面进行了实验。结果表明,4阶或更低阶的多项式光栅可以获得与矩形光栅相当的禁带反射率特性。这是探索最佳设计搜索空间的有效方式。5iHednc

(原文刊登于EDN姊妹网站Power Electronics News,参考链接:Designing Complex-Shaped GaN-based Subwavelength Grating Reflectors using Machine Learning,由Ricardo Xie编译)5iHednc

责编:Ricardo
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
  • 2024诺贝尔奖公布,竟然有两项都颁给了AI? 诺贝尔奖被普遍认为是在世界范围内,所有颁奖领域内能够取得的最高荣誉,最近,2024年的诺贝尔奖获奖名单也陆续公布了出来,而在目前公布的奖项中竟然有两项都与人工智能相关···
  • 无处不在的 Arm 软硬件生态赋能开发者 AI 创新 人工智能 (AI) 是当今最重大的技术变革之一,并正以前所未有的速度推动着各行各业的发展···
  • AI普及给嵌入式设计人员带来新挑战 探讨了人工智能(AI)的普及给嵌入式设计人员带来的新挑战。在创建“边缘机器学习(ML)”应用时,设计人员必须确保其能有效运行,同时最大限度地降低处理器和存储开销,以及物联网(IoT)设备的功耗。
  • AI利用HDMI线泄漏的信号窥探你的电脑屏幕 乌拉圭共和国大学工程学院的研究团队开发了一种人工智能模型,该模型特别针对从HDMI信号中恢复文本信息,能够解析并重建从几米远距离接收到的泄露信号,从而恢复原本的数字视频流,并成功将字符错误率(CER)降低至大约30%。
  • 自制一个能拍照、能回答问题的智能眼镜,只要180块? 在Meta近日举办的Llama 3 hackathon黑客马拉松活动中,一项名为“Open Glass AI”的开源项目仅花费了20美元(约144元人民币)的物料成本就将一副普通的眼镜改装成了智能眼镜,成功斩获了比赛第一名···
  • Arm云服务器处理器测试排行,第一是中国的芯片 新加坡国立大学的研究团队对市面上所有可用的Arm服务器处理器进行了测试,测试结果显示在超大规模云中处理数据库相关任务方面,2021年由阿里云开发的倚天710是当前速度最快的Arm服务器处理器···
  • 英特尔推出全球最大神经拟态系统,速度比人脑快200倍 4月18日,英特尔宣布,其打造出了全球最大的神经拟态系统——Hala Point,该系统内置1152个英特尔Loihi 2处理器,拥有11.5 亿个神经元和1280亿个突触,速度最高可达人脑的 200 倍···
  • Meta推出下一代AI基础设施MTIA芯片,整体性能提升达3倍 2023年,Meta推出了元训练和推理加速器(MTIA)v1,这是一款专为Meta的深度学习推荐模型设计的第一代人工智能推理加速器,与上一代相比,最新版本芯片的性能得到了显著的提升···
  • AI软件工程师已至:可独立开发项目,程序员饭碗真没了? 使用Devin进行开发,人类用户只需通过聊天机器人式的界面,用自然语言提示的方式概述项目,Devin就会按照要求完成所有工作。它首先会创建一个详细的分步计划来完成指定的任务,然后开始使用开发人员工具,就像人类程序员所做的一样,而速度要快得多···
  • 宝座易主,Claude 3超越GPT-4成为全球最强模型 Claude 3系列的旗舰模型Opus在本科水平专家知识(MMLU)、研究生水平专家推理(GPQA)、基础数学(GSM8K)等多个测试中均超越了OpenAI的GPT-4和谷歌的Gemini 1.0 Ultra,并在复杂任务上表现出接近人类水平的理解力和流畅性···
  • Cadence推出全新数字孪生平台Millennium Platform,提 颠覆性的专用软硬件加速平台;利用GPU和CPU计算以及专有软件算法,提高准确度、速度和规模的同时,带来高达100倍的设计效率提升;与传统HPC相比,支持GPU-resident模式的求解器可将仿真能效显著提高20倍;将数字孪生、人工智能和HPC技术相结合,为汽车、航空航天、能源、叶轮机械和数据中心提供更优的多物理场仿真解决方案;利用创新的生成式人工智能技术,进一步加速设计和分析探索,获得卓越的设计洞见,提供更好的系统解决方案;支持在云端或本地进行CFD多物理场分析,以满足客户的业务需求
  • Supermicro推出适用于AI存储的机柜级全方位解决方案  适用于大规模AI训练和推理的一站式数据存储解决方案──数百PB的多层式解决方案提供能支持可扩充式AI工作负载所需的庞大数据容量和高性能数据带宽
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了