Physics-Based Flow Matching for Full-Field Prediction of Silicon Photonic Devices

ملخص تقني: مطابقة التدفق القائمة على الفيزياء للتنبؤ بالمجال الكامل للأجهزة الفوتونية السيليكونية

بيان المشكلة
يعتمد تصميم الدوائر الفوتونية المتكاملة (PICs) بشكل كبير على محاكاة كهرومغناطيسية دقيقة للمجال الكامل، والتي تُجرى عادةً باستخدام حلول الفروق المحدودة في المجال الزمني (FDTD). وبينما توفر تقنية FDTD دقة عالية، إلا أنها مكلفة حاسوبياً، مما يخلق عنق زجاجة لعمليات مسح المعلمات وحلقات التصميم العكسي القائمة على التدرج. وغالباً ما تفشل النماذج البديلة القائمة على التعلم الآلي في التنبؤ بالحلول المعقدة للمجال الكامل (مع الحفاظ على السعة والطور معاً) أو تفتقر إلى القدرة على التعميم عبر عائلات الأجهزة المتنوعة. علاوة على ذلك، فإن العديد من النماذج لا تفرض القوانين الفيزيائية بصرامة، مما قد يؤدي إلى توليد حلول تبدو منطقية ولكنها تنتهك معادلة الموجة الأساسية.

المنهجية
يقترح المؤلفون PIC-Flow، وهو بديل عصبي توليدي مصمم للتنبؤ بتوزيع المجال الكهربي المركب ($E_z$) لأجهزة الفوتونيات السيليكونية بناءً على هندستها (خريطة السماحية $\varepsilon$)، ومصدر الإثارة، وطول الموجة. يدمج هذا النهج ثلاثة مكونات أساسية:

1. مطابقة التدفق الشرطية (Conditional Flow Matching): بدلاً من نماذج الانتشار، يستخدم الإطار عمل "مطابقة التدفق" لتعلم مجال سرعة يعتمد على الزمن $u_\theta(x_t, t)$. يقوم هذا المجال بنقل العينات من توزيع غاوسي بسيط (عند $t=0$) إلى توزيع حلول المجال الكهرومغناطيسي الصالحة فيزيائياً (عند $t=1$). يتم ضبط النموذج بناءً على سماحية الجهاز $\varepsilon$، وقناع المصدر $m_{src}$، وطول الموجة $\lambda$.
2. البنية الهيكلية (Architecture): تعالج شبكة U-Net ذات قيم حقيقية (63.3 مليون معلمة) الأجزاء الحقيقية والتخيلية للمجال كقنوات منفصلة. تستخدم الشبكة كتل متبقية (residual blocks)، وانتباه متعدد الرؤوس (multi-head self-attention) عند عوامل خفض عينة محددة، وتعديل خطي ميزاتي (Feature-wise Linear Modulation - FiLM) لضبط الشبكة بناءً على الخطوة الزمنية وطول الموجة.
3. التدريب المقيد بالفيزياء: يجمع هدف التدريب بين خسارة مطابقة التدفق القياسية ومصطلحين مدركين للفيزياء:
   • خسارة الطور (Phase Loss): تعاقب عدم الاتفاق في الطور بين المجالات المتوقعة والحقيقية، مع وزن يعتمد على سعة المجال.
   • خسارة متبقي هلمهولتز المقنعة (Masked Helmholtz Residual Loss): تفرض معادلة هلمهولتز القياسية ($\nabla^2 E_z + k_0^2 \varepsilon E_z = 0$). ومن الأهمية بمكان أن المؤلفين قدموا مخطط قناع مدرك للواجهات يستبعد البكسلات عند الحدود العازلة (حيث تهيمن أخطاء التقدير المحدود)، وطبقات المطابقة التامة (PML)، ومناطق المصدر. ينتج عن ذلك "مقياس امتثال ذو معنى فيزيائي" ($\rho_R$) يقيس جذر متوسط مربع المتبقي بالنسبة لمصطلح القيادة المحلي، متجنباً العقوبات الزائفة عند الواجهات الحادة.

المساهمات الرئيسية
يقدم البحث أربع مساهمات رئيسية:

1. بديل مطابقة التدفق: نموذج يتنبأ بمجال $E_z$ المركب للأجهزة الفوتونية السيليكونية ذات المعلمات، بشرط الهندسة وطول الموجة.
2. خسارة الفيزياء المقنعة: خسارة متبقي هلمهولتز مبتكرة تستبعد بكسلات الحدود والمصدر، مما يحدد مقياس امتثال $\rho_R$ قوي لكل عينة، وهو مستقل عن تباعد الشبكة وسعة المجال.
3. الاستئصال والمقارنة المرجعية: تقييم يوضح أن الجمع بين مطابقة التدفق وخسائر الطور وهلمهولتز يحسن الامتثال لمعادلة الموجة دون التضحية بجودة إعادة البناء. كما يقدم المؤلفون مقارنة زمنية (wall-clock benchmark) ضد FDTD بمعالج مركزي متعدد الخيوط على نفس عقدة الحوسبة.
4. أدلة التعميم: إثبات قدرة النموذج، الذي تم تدريبه على المداخلات متعددة الأنماط (MMIs)، وفروع Y، والمقترنات الاتجاهية، على التعميم إلى فئات أجهزة لم تكن موجودة في بيانات التدريب (مثل المنحنيات S-bends، والمخروطات Tapers، وفروع Y المتتالية).

النتائج
تم تدريب النموذج على 22,500 محاكاة FDTD حقيقية (بتقسيم 80/10/10) تغطي ثلاث عائلات من الأجهزة عند $\lambda = 1.55$ ميكرومتر.

• الدقة: حقق تكوين "FM + phase + residual" أسوأ نسبة متبقية (p95) بلغت 2.22 (نسبة إلى خطأ التمييز في FDTD) ومتوسط نسبة متبقية قدره 1.34. تراوح امتثال كل عينة $\rho_R$ للأجهزة داخل نطاق التوزيع بين 2.2% و2.7%، وهو أعلى بكثير من أرضية التمييز في FDTD (أقل من 0.1%) ولكنه غير قابل للتمييز بصرياً عن الحقيقة الأرضية.
• التعميم: على الهندسات خارج نطاق التوزيع (OOD)، حافظ النموذج على امتثال معقول. أظهرت المخروطات (Tapers) وفروع Y المتتالية قيم $\rho_R$ تتراوح بين 3.6 و9.1%. أما المنحنى S-bend الشديد (خارج نطاقات التدريب) فقد وصل إلى $\rho_R \approx 12\%$، مما يشير إلى انتهاك فيزيائي يمكن تمييزه ولكنه متوسط وليس فشلاً كارثياً.
• السرعة: يوفر البديل تسريعاً كبيراً مقارنة بـ FDTD على معالج مركزي بـ 16 خيطاً. باستخدام 100 خطوة تكامل Euler، فإنه أسرع بـ 2.6 مرة ($\rho_R = 1.9\%$). وتقليل الخطوات إلى 20 خطوة يعطي تسريعاً قدره 12.7 مرة ($\rho_R = 3.0\%$)، و5 خطوات تعطي تسريعاً قدره 50.6 مرة ($\rho_R = 5.5\%$).

الأهمية والادعاءات
يضع المؤلفون PIC-Flow ليس كبديل مباشر لـ FDTD، بل كأساس لاستكشاف مساحة التصميم السريع. يثبت هذا العمل أن مطابقة التدفق، عندما تُعزز بعقوبات صريحة لمعادلة الموجة، يمكنها توليد تنبؤات مجال كامل متسقة فيزيائياً. ويدعي المؤلفون أنه مع تغطية أوسع للبيانات وتحسينات إضافية (مثل التقطير لتقليل خطوات التكامل)، يمكن لهذا النهج أن يتوسع ليشمل التنبؤ بالمجال واسع النطاق وغير المرتبط بجهاز محدد. وهذا سيسمح للمصممين بتقليص مساحات التصميم الكبيرة بسرعة، مع حجز محاكاة FDTD المكلفة فقط لعمليات الضبط النهائي. تم إصدار الكود، وأوزان النموذج، ومجموعة البيانات كمصادر مفتوحة لتسهيل دمجها في سير عمل التصميم الفوتوني الحالي.