Machine Learning-Driven Design of Mixed-Pitch Grating Couplers for Co-Packaged Optics Applications
यह शोध पत्र एक मशीन लर्निंग-संचालित सॉफ्टवेयर टूल प्रस्तुत करता है जिसमें एक डीप न्यूरल नेटवर्क और एक ग्राफिकल यूजर इंटरफेस है जो को-पैकेज्ड ऑप्टिक्स के लिए मिश्रित-पिच ग्रेटिंग कपलर को स्वचालित रूप से डिजाइन करता है, जो FDTD सिमुलेशन की तुलना में न्यूनतम त्रुटि के साथ उपयोगकर्ता-निर्दिष्ट पीक वेवलेंथ और बैंडविड्थ को पूरा करने में उच्च सटीकता प्राप्त करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
इंटरनेट की कल्पना एक विशाल, हलचल भरे शहर के रूप में करें जहाँ डेटा ट्रैफ़िक है। वर्षों से, यह ट्रैफ़िक तांबे के तारों (कॉपर वायर्स) के माध्यम से चल रहा है, जैसे पुरानी, संकरी सड़कों के जाम में फंसे वाहन। लेकिन जैसे-जैसे हमारी डिजिटल दुनिया आर्टिफिशियल इंटेलिजेंस और विशाल डेटा सेंटरों के साथ विस्फोट कर रही है, ये कॉपर की सड़कें एक दीवार से टकरा रही हैं; वे बहुत धीमी, बहुत गर्म और बहुत भीड़भाड़ वाली हैं। इसे ठीक करने के लिए, इंजीनियर एक नए प्रकार का हाईवे बना रहे हैं: को-पैकेज्ड ऑप्टिक्स (CPO)। कॉपर के बजाय, CPO सूचना ले जाने के लिए प्रकाश (लाइट) का उपयोग करता है, और यह इन प्रकाश-आधारित राजमार्गों को उन कंप्यूटर चिप्स के बिल्कुल बगल में पैक करता है जो भारी काम करते हैं।
हालाँकि, प्रकाश को इन नन्हे चिप्स में प्रवेश करना और बाहर निकलना पेचीदा है। एक 'ग्रेटिंग कपलर' (grating coupler) को प्रकाश के लिए एक विशेष "ऑन-रैंप" या "ऑफ-रैंप" के रूप में समझें। यह खांचों (ridges) वाली एक सूक्ष्म संरचना है जो प्रकाश की एक किरण को पकड़ती है और उसे चिप के एक सूक्ष्म तार में निर्देशित करती है। समस्या यह है कि एक आधुनिक डेटा सेंटर में, आपके पास केवल प्रकाश का एक रंग नहीं होता; आपके पास विभिन्न तरंग दैर्ध्य (wavelengths/रंगों) का एक पूरा इंद्रधनुष होता है जो एक ही समय में एक ही ऑन-रैंप का उपयोग करने की कोशिश कर रहा है। एक ही ऑन-रैंप को इस पूरे इंद्रधनुष को कुशलतापूर्वक संभालने के लिए डिज़ाइन करना ऐसा ही है जैसे एक एकल पुल बनाने की कोशिश करना जो एक साथ साइकिल, एक सेमी-ट्रक और एक रेस कार के लिए पूरी तरह से काम करे। यह अविश्वसनीय रूप से जटिल है, और आमतौर पर, उस पुल के सही आकार का पता लगाने के लिए हजारों धीमे, कंप्यूटर-भारी सिमुलेशन की आवश्यकता होती है।
यहीं पर नानयांग टेक्नोलॉजिकल यूनिवर्सिटी और नेशनल यूनिवर्सिटी ऑफ सिंगापुर की टीम एक चतुर शॉर्टकट के साथ आती है। उन्होंने एक नया सॉफ्टवेयर टूल विकसित किया है जो "डीप न्यूरल नेटवर्क" (DNN) नामक एक "मस्तिष्क" का उपयोग करके इन मिक्स-पिच ग्रेटिंग कपलर्स को तुरंत डिजाइन करता है। कंप्यूटर द्वारा हजारों बार अनुमान लगाने और जांचने के बजाय, DNN एक अनुभवी शेफ की तरह काम करता है जिसने 10,000 अलग-अलग व्यंजनों का स्वाद चखा है। शोधकर्ताओं ने AI को 10,000 सिम्युलेटेड उदाहरणों का एक विशाल पुस्तकालय दिया, जिसमें दिखाया गया कि ग्रेटिंग के विभिन्न आकार (सामग्री/ingredients) ने प्रकाश के व्यवहार (स्वाद/flavor) को कैसे बदला।
एक बार जब AI ने पैटर्न सीख लिया, तो शोधकर्ताओं ने लगभग 1,000 नए अनुरोधों का परीक्षण किया। उन्होंने AI को विशिष्ट "पीक वेवलेंथ" (प्रकाश का मुख्य रंग) और "फुल-विड्थ हाफ-मैक्सिमम" (FWHM) मानों (जो कि रंगों के इंद्रधनुष की चौड़ाई बताने का एक तकनीकी तरीका है) के लिए डिज़ाइन करने को कहा। परिणाम प्रभावशाली थे। 1,000 प्रयासों में से 822 मामलों में, AI का डिज़ाइन लक्ष्य के 15% के भीतर था, और 351 प्रयासों में, यह 5% से भी कम की त्रुटि के साथ अविश्वसनीय रूप से सटीक था। जब प्रकाश के मुख्य रंग को विशेष रूप रूप से देखा गया, तो 844 प्रयास 0.002 µm से कम की त्रुटि के साथ बिल्कुल सटीक थे। रंग की सीमा की चौड़ाई के लिए, 738 प्रयास लक्ष्य के 0.010 µm के भीतर थे।
यह सुनिश्चित करने के लिए कि यह केवल एक कंप्यूटर की कल्पना नहीं है, टीम ने वास्तव में इन AI-डिज़ाइन किए गए ढांचों को वास्तविक सिलिकॉन चिप्स पर बनाया और उन्हें लेजर के साथ टेस्ट किया। हालांकि वास्तविक दुनिया के माप कंप्यूटर सिमुलेशन की तुलना में कुछ छोटे अंतर दिखाते हैं—मुख्य रूप से इसलिए क्योंकि वास्तविक दुनिया त्रि-आयामी (3D) और अव्यवस्थित है, जबकि कंप्यूटर मॉडल एक सरलीकृत 2D संस्करण था—प्रकाश के पैटर्न का समग्र आकार काफी हद तक मेल खाता था। पीक कलर्स (मुख्य रंग) लगभग समान थे, हालांकि निर्माण संबंधी मामूली खामियों के कारण प्रकाश की "चौड़ाई" की भविष्यवाणी करना थोड़ा कठिन था।
सबसे अच्छी बात? टीम ने इसे केवल अपने तक सीमित नहीं रखा। उन्होंने AI को एक ग्राफिकल इंटरफेस के साथ एक उपयोगकर्ता के अनुकूल सॉफ्टवेयर में लपेट दिया, जो ऑनलाइन उपलब्ध है। अब, यदि किसी इंजीनियर को किसी विशिष्ट रंग और चौड़ाई के लिए एक कस्टम लाइट ऑन-रैंप की आवश्यकता है, तो वे बस अपने नंबर टाइप कर सकते हैं, और सॉफ्टवेयर तुरंत सटीक डिज़ाइन का सुझाव देगा और उनके उपयोग के लिए ब्लूप्रिंट (GDS लेआउट) भी बना देगा। यह एक शक्तिशाली नया उपकरण है जो महीनों लंबे डिज़ाइन के दुस्वप्न को कुछ क्लिक में बदल देता है, जिससे भविष्य के तेज़, ठंडे और अधिक कुशल इंटरनेट के निर्माण में मदद मिलती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।