Inverzní návrh fotonických struktur pomocí generativních neuronových sítí

Abstract

V posledních několika letech jsme svědky výrazného začlenění technologie umělých neuronových sítí v široké škále výzkumných a inženýrských oborů. Je to zapříčiněno novými možnosti a přístupy, které neuronové sítě s sebou přinášejí. V rámci této práce budeme zabývat inverzním návrhem integrovaného optického demultiplexoru. Ten bude mít za úkol oddělit signály na dvou pásmech vlnových délek, konkrétně v oblasti délek vln od 1260 nm do 1360 nm (O pásmo) a od 1565 nm do 1625 nm (L pásmo), při kterých dosahují klasická optická vlákna v telekomunikacích nejnižšího útlumu. Pro samotný návrh budeme používat generativní model GAN, který se běžně používá ke generaci nových realisticky vyhlížejících fotografií. S úpravou tohoto generativního modelu však může být GAN použit pro inverzní návrh mnoha nejrůznějších součástek v integrované optice. V první a druhé kapitole si vysvětlíme klíčové aspekty teorie hlubokých neuronových sítí. V kapitole třetí se zaměříme na samotnou teorii generativního modelu typu GAN. V kapitole čtvrté si představíme základní teorii planárních vlnovodů a koncept inverzního návrhu v integrované optice. V poslední velké kapitole dojde k využití veškerých poznatků obsažených v předešlých kapitolách pro návrh optického demultiplexoru.

In recent years, we have witnessed significant integration of artificial neural networks across a wide range of research and engineering fields. This is due to the new possibilities and approaches that neural networks bring. In this work, we will focus on the inverse design of an integrated optical demultiplexer. Its task will be to separate signals in two wavelength bands, specifically in the range of wavelengths from 1260 nm to 1360 nm (O band) and from 1565 nm to 1625 nm (L band), where conventional optical fibers in telecommunications achieve the lowest attenuation. For the design itself, we will use a generative GAN model which is commonly used to generate realistically appearing images. However, with certain modifications, GANs can be employed for the inverse design of various components in integrated optics. In the first and second chapters of the text we will explain the key aspects of deep neural network theory. The third chapter will focus on the theory of the GAN-type generative model. In the fourth chapter, we will introduce the fundamental theory of planar waveguides and the concept of inverse design in integrated optics. In the final main chapter, all the knowledge from the previous chapters will be applied to the design of the optical demultiplexer.