Interpretable Geometry Sensitivity for Inverse Design of Integrated Photonics

Dit artikel presenteert een experimenteel gevalideerde workflow die pixel-level gevoeligheidskaarten genereert voor inverse ontworpen fotonische structuren, waardoor fysiek betekenisvolle substructuren worden geïdentificeerd en de ontwerptolerantie voor fabricagevariabiliteit aanzienlijk verbetert.

De kern

Stel je voor dat je een supercompacte, onzichtbare "verkeersregelaar" voor licht bouwt. Dit is wat ingenieurs doen in de wereld van geïntegreerde fotonica: ze ontwerpen chips die licht (in plaats van elektriciteit) door kleine kanalen sturen om data te verwerken.

Vroeger tekenden mensen deze kanalen met de hand, net als een architect die een huis ontwerpt. Maar nu gebruiken ze een slimme computer (een algoritme) die dit voor hen doet. Deze computer zoekt naar de allerbeste vorm om licht te splitsen of te filteren. Het resultaat? Een ontwerp dat eruitziet als een ingewikkeld, willekeurig mozaïek van pixels. Het werkt fantastisch, maar het is zo vreemd en complex dat zelfs de bouwers niet meer begrijpen waarom het werkt of welke kleine stukjes het belangrijkst zijn.

Het probleem:
Stel je voor dat je een auto bouwt die door een computer is ontworpen. De auto rijdt perfect, maar als hij een klein deukje krijgt, valt hij uit elkaar. De ingenieurs weten niet of het de wielophanging is, de motor of een schroefje in de bumper die het probleem veroorzaakt. Ze moeten de hele auto opnieuw ontwerpen of raden wat ze moeten repareren. In de chipwereld noemen ze dit "ontwerpregels" en "fabriekstolerantie". Als de computer een vorm ontwerpt die te ingewikkeld is voor de fabrieksmachines, werkt het apparaat niet.

De oplossing uit dit paper:
De onderzoekers van de Universiteit van Michigan en UC Berkeley hebben een nieuwe manier bedacht om deze "zwarte doos" van computerontwerpen te doorgronden. Ze noemen het een "gevoeligheidskaart".

Hier is hoe het werkt, in drie simpele stappen:

1. De Slimme Nabootser (De Surrogaat):
   De echte simulaties van licht in chips zijn als het berekenen van de weersvoorspelling voor elke seconde van het jaar: het duurt eeuwen. De onderzoekers trainden een klein, snel neuronaal netwerk (een soort slimme nabootser) dat de resultaten van die zware berekeningen kan voorspellen in een flits.

2. De "Waarom"-Vraag (Integrated Gradients):
   Vervolgens stelden ze de vraag: "Als ik dit ene kleine pixeltje in het ontwerp een beetje verander (bijvoorbeeld een hoekje afrondt of een gat vult), wat gebeurt er dan met de prestatie?"
   Ze gebruikten een techniek uit kunstmatige intelligentie genaamd Integrated Gradients. Denk hierbij aan een thermische camera. Als je de chip zou scannen met zo'n camera, zou je zien dat sommige plekken gloeiend heet zijn (zeer gevoelig) en andere plekken koel (niet belangrijk).

   • De Hotspots: De "heete plekken" bleken vaak de scherpe hoekjes, de bochten waar het licht moet draaien, of het centrale punt waar het licht wordt opgesplitst.
   • De Koude Plekken: Grote delen van het ontwerp bleken eigenlijk overbodig; als je die een beetje verandert, maakt het niets uit.

3. De Proef in het Lab:
   Om te bewijzen dat hun kaart klopte, maakten ze echte chips. Ze namen drie "heete" plekken en drie "koude" plekken op de chip en maakten daar bewust een klein foutje (een kleine vervorming) in, alsof de fabrieksmachine een beetje slordig was.

   • Het resultaat: Als ze een foutje maakten in een "koude" plek, deed de chip bijna niets. Maar als ze een foutje maakten in een "heete" plek (zoals een scherpe hoek), viel de prestatie dramatisch in. De chip werd tot 11 keer slechter in het doorlaten van licht.

Waarom is dit belangrijk?
Dit is als een gids voor de fabrieksmanagers.

• Vroeger: "We moeten overal perfect zijn, want we weten niet wat belangrijk is."
• Nu: "We weten precies welke 5% van het ontwerp superkritisch is. We moeten daar de machines op de scherpste stand zetten en extra controleren. De rest mag iets minder perfect zijn."

Conclusie:
De onderzoekers hebben een bril bedacht die ons laat zien welke stukjes van een computer-ontwerp echt belangrijk zijn. Hierdoor kunnen ze chips bouwen die niet alleen supergoed werken in de theorie, maar ook daadwerkelijk te maken zijn in de fabriek zonder dat ze kapot gaan. Het maakt de brug tussen de wiskundige droom van de computer en de harde realiteit van de fabriek.

Technische samenvatting

Titel: Interpreteerbare Geometrische Gevoeligheid voor Inverse Ontwerp van Geïntegreerde Fotonica

Auteurs: Junho Park, Taehan Kim, Mohammad Ali, en Di Liang (Universiteit van Michigan en UC Berkeley).

---

1. Het Probleem

Inverse ontwerp is een krachtige techniek in de geïntegreerde fotonica die optimalisatiealgoritmen gebruikt om compacte, hoogpresterende fotonische structuren te genereren. Deze methoden leveren vaak "free-form" (vrijvormige) lay-outs op die veel compacter zijn dan conventionele ontwerpen.

• De uitdaging: Hoewel adjoint-gebaseerde inverse ontwerp-methoden effectief zijn, resulteren de gegenereerde maskers in complexe, niet-intuïtieve geometrieën.
• Interpreteerbaarheid: Zelfs voor ervaren ontwerpers is het moeilijk om te begrijpen welke specifieke geometrische kenmerken verantwoordelijk zijn voor de prestaties. Dit maakt het lastig om fouten te diagnosticeren bij variaties in de fabricage, ontwerpregels te controleren, of gerichte inspecties (zoals SEM) uit te voeren.
• Huidige beperking: Bestaande methoden bieden gradiënten ten opzichte van ontwerpvariabelen, maar geen menselijk interpreteerbare kaart die aangeeft welke gefinaliseerde geometrische features het meest kritiek zijn op specifieke werkingsgolflengten. Ontwerpers grijpen vaak terug naar globale heroptimalisatie in plaats van lokale, op gevoeligheid gebaseerde aanpassingen.

2. Methodologie

De auteurs presenteren een werkstroom die interpreteerbaarheid toevoegt aan bestaande ontwerppipelines zonder de onderliggende elektromagnetische solver te wijzigen. De aanpak bestaat uit vier hoofdstappen:

• A. Datageneratie: Er werd een corpus van 2200 inverse-ontworpen golflengtedivisie-demultiplexers (WDM's) gegenereerd voor de O-band (1310 nm) en C-band (1550 nm) met behulp van SPINS-B. Dit zorgde voor diversiteit in geometrie en spectrale gedragingen.
• B. Convolutionele Surrogaatmodel: Een lichtgewicht convolutioneel neurale net (CNN) werd getraind om de transmissiekracht (Figure of Merit - FoM) te voorspellen op basis van de binaire maskerlay-out ($\rho$). Dit model fungeert als een differentieerbare benadering van dure full-wave simulaties, waardoor snelle gradiëntberekeningen mogelijk zijn.
• C. Pixel-niveau Gevoeligheidsmapping (Integrated Gradients):
  • Er werd Integrated Gradients (IG) toegepast op het getrainde surrogaatmodel.
  • IG attribueert de voorspelde transmissie aan individuele pixels in het masker.
  • Dit resulteert in een gevoeligheidskaart die aangeeft welke pixels (en dus welke geometrische substructuren) de grootste invloed hebben op de prestaties.
• D. Validatie via Gekoppelde Gebieds-Perturbaties:
  • Gebieden met hoge attributie (hotspots) en gebieden met lage attributie (controle) werden geselecteerd.
  • Er werden "fill-in" perturbaties toegepast (het vullen van geëtste gaten/gleuven) om lithografie- en etch-bias na te bootsen.
  • Cruciaal: De perturbaties hadden exact hetzelfde oppervlak ($\sim0.03 \mu m^2$) om een eerlijke vergelijking mogelijk te maken.
  • Deze perturbaties werden zowel gesimuleerd (FDTD) als gefabriceerd en gemeten.

3. Belangrijkste Bijdragen

• Interpreteerbaarheidslaag: Een nieuwe workflow die pixel-niveau gevoeligheidskaarten genereert die direct overeenkomen met de binaire maskerlay-out.
• Fysische Validatie: Het aantonen dat de door IG geïdentificeerde "hotspots" corresponderen met fysiek betekenisvolle substructuren (zoals splitters, taps en krommingsranden) die cruciaal zijn voor modale interferentie.
• Experimentele Bevestiging: Het eerste experimenteel gevalideerde bewijs dat lokale bewerkingen in deze gevoelige gebieden leiden tot een drastisch grotere degradatie in prestaties dan bewerkingen in niet-gevoelige gebieden, zelfs bij gelijke geometrische wijzigingen.

4. Resultaten

De resultaten tonen een sterke correlatie tussen simulatie en experiment:

• Identificatie van Hotspots: De IG-kaarten toonden aan dat gevoeligheid geconcentreerd is rondom:
  • Hoge krommingen in diëlektrische grenzen.
  • Abrupte breedte-overgangen.
  • Centrale splitter/taper hubs (verantwoordelijk voor modale conversie).
  • Grote delen van het vrije vormgebied bleken functioneel redundant voor de geëvalueerde FoM's.
• Prestatieverlies (Excess Insertion Loss - EIL):
  • Perturbaties in hoge-gevoeligheidsgebieden veroorzaakten tot $\sim11$x meer extra invoegverlies dan perturbaties in niet-gevoelige gebieden.
  • Voorbeeld bij 1550 nm: Het invoegverlies steeg van 0,134 dB (controle) naar 1,470 dB (Region 2) in simulatie, en van 0,320 dB naar 3,653 dB in het experiment.
  • Voorbeeld bij 1310 nm: Region 1 toonde een EIL van 1,24 dB in het experiment, vergeleken met een negatieve of zeer lage EIL voor de controle.
• Fysische Mechanismen: De degradatie werd toegeschreven aan verstrooiing, impedantie-discontinuïteiten en verstoring van de modale interferentie en fasebalans, wat bevestigd werd door veld-intensiteitsanalyses.

5. Betekenis en Toekomstperspectief

Deze studie biedt een praktische oplossing voor de "black box"-problematiek van inverse ontwerp in de fotonica:

• Fabrieksgereed Ontwerp: De methode biedt een pad naar ontwerpregels die rekening houden met fabricage-toleranties, waarbij strengere regels alleen worden toegepast op kritieke gebieden.
• Gerichte Inspectie: Het stelt ontwerpers in staat om gerichte SEM-inspecties uit te voeren op de meest kritieke gebieden in plaats van het hele masker.
• Abstraktie: Het helpt bij het vereenvoudigen van complexe free-form lay-outs naar beheersbare PDK-achtige blokken door de functioneel meest belangrijke structuren te identificeren.
• Generalisatie: Hoewel getest op WDM's, is de aanpak (surrogaatmodel + IG) breed toepasbaar op andere inverse-ontwerpproblemen in de nanofotonica.

Kortom, dit werk transformeert inverse ontwerp van een puur optimalisatieproces naar een interpreteerbaar en fabricage-bewust ontwerpparadigma, wat de adoptie van geavanceerde fotonische componenten in industriële foundries versnelt.