Will Accurate Fields Mislead Photonic Design? FromGlobal Accuracy to Port Readout

本論文は、伝搬が支配的な構造（MMIスプリッタなど）において、ニューラルフィールドのサロゲートモデルがフォトニックデバイス設計を誤導することを防ぐために、グローバルな場の精度よりも出力ポートの読み出し忠実度を優先する、伝搬整合型ニューラルオペレータであるPaNOを導入する。

要約

大きな問題：「ぼやけた写真 vs 鮮明なレシート」

あなたは新しいカメラのレンズを設計しようとしているフォトグラファーだと想像してください。あなたの手元には、最終的な写真がどのようになるかを予測できる、非常にスマートなAIアシスタントがいます。

通常、私たちはAIが優秀かどうかを、写真全体を見て判断します。もしAIの写真が、色や形において実物の写真と99%一致していれば、「素晴らしい！」と言います。

しかし、ここに落とし穴があります： フォトニクス（光ベースのチップ）の世界では、設計者は写真の「全体」には興味がありません。彼らが本当に気にしているのは、写真の端にある極めて小さく、特定の場所（ポート）です。これらのスポットが、光ファイバーケーブルにどれだけの光が入るか、データの転送速度がどれくらいになるか、あるいは光がどのように分岐するかを決定するのです。

この論文は、AIが部屋全体の「完璧な」写真を撮れたとしても、その極小のスポットについては完全に間違えてしまう可能性があると主張しています。それは、街全体の気温を完璧に予測できても、あなたの家の裏庭の気温だけは外してしまう天気予報のようなものです。もしあなたがその裏庭でピクニックを計画しているなら、「広域」の予報はあなたにとって役に立ちません。

具体的なケース：「光の高速道路」（MMIスプリッタ）

著者らはこれを、MMIスプリッタと呼ばれるデバイスでテストしました。これは、車（光波）が入り込み、合流し、そして異なるレーンへと分かれていく「高速道路」のようなものだと考えてください。

• 物理学： 車はただ真っ直ぐ走るわけではありません。道を進むにつれて、壁に跳ね返ったり、互いに干渉したりします（池に広がる波のようなものです）。
• 結果： 車が出口のどこに到着するかは、旅の全行程を通じて、それらがどのように干渉したかに依存します。
• 失敗： 旧来のAIモデル（NeurOLightなど）は、一般的な「交通の流れ」はうまく予測できました。しかし、波がどのように干渉するかという特定の詳細に十分に注意を払わなかったため、出口で車が間違ったレーンにいると予測してしまいました。これにより、全体的な絵図はまともに見えても、「ポートパワー」（正しいレーンに入る光の量）が間違ってしまうという事態を招きました。

解決策：PaNO（「スマートなナビゲーター」）

著者らは、PaNO（Propagation-Aligned Neural Operator）という新しいAIを構築しました。標準的な写真編集ソフトのように単に画像を見るのではなく、PaNOは交通エンジニアのように考えます。

1. 旅路を理解する： 単に最終的な画像を推測するのではなく、PaNOは光を「モード」（異なる種類の車のようなもの）に分解し、高速道路をどのように一歩ずつ進んでいくかを追跡します。
2. 物理学を尊重する： 光は特定の方向に進み、波同士が相互作用することを理解しています。パターンを単に推測するのではなく、この「流れ」をシミュレートします。
3. 「R2」のアップグレード： 彼らはさらに、メインシステムが見逃した小さなミスをキャッチして修正するために、出口ランプを専門に見る「もう一つの目」を備えたPaNO-R2というバージョンも作成しました。

結果：たとえ写真が「ぼやけて」いても、仕事の精度は高い

論文では、4,608通りの異なるシナリオを用いた大規模なテストが行われました。判明したことは以下の通りです。

• 旧来の方法 (NeurOLight)： 全体的な画像は非常に「鮮明」でしたが（グローバル誤差が低い）、しばしば出口のレーンを間違えていました。光が間違ったポートに入ってしまうのです。
• 新しい方法 (PaNO)： 全体的な画像は少し「ぼやけて」いましたが（グローバル誤差がわずかに高い）、出口のレーンを正確に捉えていました。光は正しいポートへと向かいました。
• 勝者 (PaNO-R2)： このバージョンは、両方の良いとこ取りをしました。最も鮮明な全体像を持ち、かつ最も正確な出口レーンを実現しました。

重要な教訓：
これらの光チップを設計する際、グローバルな正確さだけでは不十分です。 見た目は完璧でも、出口の細部を見落としているために現実の世界では失敗してしまうモデルが存在します。著者らは、AIを訓練しテストする際には、単なる最終的な画像ではなく、光の旅路と最終的な出口をどのように扱うかに焦点を当てる必要があることを証明しました。

要約の比喩

• 旧来のAI： 風景を完璧に模写する画家ですが、家にあるはずのドアを間違えて描いてしまいます。もしあなたがその家に入ろうとするなら、その絵は役に立ちません。
• 新しいAI (PaNO)： 家がどのように建てられたかを理解している画家です。空の色が少し違っているかもしれませんが、ドアは正確な場所にあり、道はまさに目的地へと続いています。

この論文は、光ベースのチップを設計するにあたって、AIを「写真全体がいかに美しいか」だけで判断するのをやめ、**「重要な出口ポイント」**を正しく捉えているかどうかで判断すべきであると結論付けています。

技術概要

技術要約：正確な電場はフォトニック設計を誤導するか？ グローバルな精度からポート出力まで

1. 問題提起

ニューラルフィールド・サロゲート（代理モデル）は、複雑な光学電場を予測することで、高コストなフルウェーブ電磁界シミュレーション（FDFDやFDTDなど）を回避し、フォトニック設計ループを加速させるためにますます活用されています。しかし、グローバルな電場精度と**局所的なデバイス・リードアウト（出力値）**の間には、決定的な乖離が存在します。

マルチモード干渉（MMI）スプリッタやカプラのような伝搬支配型のデバイスでは、設計上の意思決定は、ポート電力、分割比、相対位相、結合挙動といった局所的な出力指標に基づいています。これらの指標は、伝搬軸に沿ったモード干渉と出力ウィンドウにおける集約のコヒーレントな蓄積から導出されます。サロゲートモデルは、高いグローバル精度（cMAEなどの高密度電場誤差指標）を達成していても、出力ポートにおける局所的な強度プロファイルを誤って表現してしまうことがあります。この「電場から設計へ」のミスマッチは、全体的な電場再構成が視覚的に正確に見える場合であっても、逆設計ループやパラメータ・スイープにおいて候補デバイスのランキングを誤らせる原因となります。

本論文は、高密度電場誤差指標が計算ウィンドウ全体を平均化する一方で、ポート量は出力強度のエンベロープの局所的な関数であることを指摘しています。その結果、モデルはグローバルな誤差を最小化しながらも、ポートの正確なリードアウトに必要な特定の伝搬媒介物（モード位相や干渉パターン）を保持することに失敗する可能性があります。

2. 手法

電場／媒介物／リードアウトの診断的視点
これに対処するため、著者らは以下の3層の評価フレームワークを提案しています。

1. 電場指標（Field Metrics）: 高密度複素電場の再構成を測定（例：cMAE）。
2. 媒介物指標（Mediator Metrics）: ポート集約前の伝搬プロファイルの整合性と出力ウィンドウのエンベロープ挙動を測定。
3. リードアウト指標（Readout Metrics）: 局所的なデバイス量（ポート電力、位相、結合）を測定。
   この分解により、グローバルな電場忠実度の向上が、デバイス性能を決定する中間的な物理量（媒介物）を犠牲にしないことを保証します。

PaNO: 伝搬整合型ニューラルオペレータ（Propagation-Aligned Neural Operator）
著者らは、フルフィールド予測インターフェース（個別のスカラーポートヘッドを持たない）を維持しつつ、MMI伝搬の物理学に適合するように設計されたニューラルオペレータであるPaNOを導入しています。そのアーキテクチャには、以下の特定の帰納バイアスが組み込まれています。

• マルチスケール異方的ステム（MSAS）: 伝搬軸（$w$）と横方向軸（$y$）に対して異なるカーネルサイズを持つ深度別畳み込みを使用し、干渉エンベロープの細長い性質と材料境界の鋭さを尊重します。
• 学習された横方向モード分解: 生の画像列をスキャンする代わりに、モデルは横方向のスライスを学習された「モードトークン」に投影し、デバイス物理に内在するモード組織を露出させます。
• 選択的状態空間伝搬: モードトークンは、選択的状態空間モデル（SSM）を用いて軸方向に沿って伝搬されます。これは、従来のPDEソルバーとして機能することなく、エネルギーと位相の蓄積の指向性輸送を模倣します。
• 制御されたモード間結合: 軽量な残差MLPが、フルフィールドのデコード前に、コヒーレントな強度計算に不可なるクロスモード相互作用を再導入します。

PaNO-R2: 出力認識型フィードバック
PaNO-R2というバリアントは、逆方向の残差ブランチを追加しています。このブランチは、入力特徴量を逆方向の軸順で処理することで、純粋な順方向バックボーンが見逃す可能性のある出力側の不連続性、弱い反射、または高周波残留物を捉えます。これは、メインの出力と融合される空間的残差補正を生成します。

3. 主な貢献

1. プロキシ・ミスマッチの経験的特定: 密な電場cMAEを最小化することが、特に出力プロファイルが蓄積されたモード干渉に依存する伝搬支配型デバイスにおいて、正確なポート・リードアウトを保証しないことを実証しました。
2. 診断フレームメント: フルフィールド予測から局所的なデバイス機能への連鎖を評価するためのプロトコルとして、「電場／媒介物／リードアウト」の視点を定式化しました。
3. PaNOアーキテクチャ: 局所的な境界構造を符号化し、横方向モードトークンを学習し、指向性状態空間伝搬を利用して自己結像エンベロープを保持する、伝搬整合型ニューラルオペレータを提案しました。
4. 検証とトレードオフ: 15波長のチューナブル3×3 MMIベンチマークを用いた広範な実験を通じて、グローバルなcMAEがわずかに悪化した場合でも、伝搬物理に適合させることがリードアウトの忠実度を向上させることを検証しました。

4. 実験結果

研究は、15波長（1.530–1.565 µm）にわたる4608個のホールドアウト複素電場ケースを含む、3×3 MMIベンチマークを用いて実施されました。

• ベースラインとの性能比較: NeurOLight（主要なベースライン）および他のニューラルオペレータ（FNO、UNet）と比較して、PaNOは、cMAEはわずかに高い（0.1822 vs 0.1750）にもかかわらず、大幅に低いポート電力誤差（0.0739 vs 0.2018 for NeurOLight）と、より優れた伝搬／出力プロファイル誤差を達成しました。
• PaNO-R2の優位性: PaNO-R2は、cMAE (0.1471)、ポート電力誤差 (0.0551)、および出力プロファイル誤差を含むほぼすべての指標において最高の性能を達成し、NeurOLightのポート電力誤差と出力プロファイル誤差をそれぞれ**72.7%および72.5%**削減しました。
• 相関分析: 診断分析により、アクティブ領域のcMAEはポート電力誤差と弱い相関があること（スペアマンの $\rho \approx 0.21$–$0.28$）が明らかになりました。対照的に、**出力プロファイル誤差**はポート電力誤差と非常に強い相関を示し（$\rho \approx 0.47$–$0.76$）、媒介物指標がリードアウトの失敗を予測する上でより優れた予測因子であることを裏付けました。
• 汎化性能: ターゲットドメイン適応タスク（波長転送および屈折率シフト）において、PaNO-R2は一貫してベースラインを上回り、伝搬整合型のパラメータ化が、デバイスのトポロジーが固定されている場合に物理パラメータが変化してもよく汎化することを示唆しています。
• 効率性: 推論時間はミリ秒範囲（RTX 5090で約6.19 ms）に留まり、参照となる電場生成に対して約3桁の高速化を実現しています。

5. 意義と主張

本論文は、局所的なリードアウトを持つフォトニックデバイスにとって、グローバルな電場精度だけでは不十分であると結論付けています。著者らは、サロゲートは電場／媒介物／リードアウトの完全な連鎖に基づいて評価および設計されなければならないと主張しています。

その意義は、ニューラルサロゲートの設計目的を、純粋な画像再構成から物理に整合した伝搬へとシフトさせたことにあります。中間的なモード構造や伝搬構造を保持することで、PaNOのようなモデルは、予測された電場が正しいデバイスレベルの指標を生み出すことを保証します。著者らは、現在の知見が周波数領域の2D $H_z$ MMIデバイスおよび固定された局所ポートに限定されていることを謙虚に述べており、位相に敏感なリードアウトは依然として課題であるとしています。彼らは、この研究を、より広範なベクトルシミュレーションや他のフォトニックコンポーネントへの応用への一歩として位置づけ、「電場／媒介物／リードアウト」の診断プロトコルが信頼できるフォトニックAI設計のための必須ツールであることを強調しています。