人工智能集成光子晶体光纤器件

hdy

光子晶体光纤简介

光子晶体光纤代表着光学技术的显著发展，其特点是沿着光纤长度排列的微结构。这些专用光纤，也称为孔辅助光纤、微结构光纤或空心光纤，与传统光纤相比具有显著优势，包括低弯曲损耗、高功率传输、最小的热梯度效应以及对各种填充材料的显著灵活性[1]。

光子晶体光纤有各种结构配置，使工程师能够以精确的方式操控光。不同的光子晶体光纤结构包括实心芯、空心芯以及各种几何排列，如六边形、八边形和矩形晶格。

图1：光子晶体光纤中的不同结构：(a)实心芯，(b)空心芯，(c)六边形，(d)八边形，(e)矩形。

如图1所示，光子晶体光纤设计的灵活性使得可以使用不同的晶格类型、孔大小和形状来构建和操控光。这种适应性使光子晶体光纤适用于光学传感、通信和光子器件的各种应用。

1

基于光子晶体光纤的全光器件

光子晶体结构已成为数字通信系统中众多全光器件的基础。这些包括逻辑门、加法器、减法器、多路复用器、解复用器、编码器、解码器、比较器和信号处理器件。这些器件的性能基于关键参数进行评估，如尺寸、晶格常数(a)、半径(r)、工作波长(λ)、光子带隙(PBG)、开关阈值、上升/下降时间和对比度(CR)。

研究人员已使用各种晶格类型设计全光逻辑门，包括六边形、矩形、椭圆形和三角形配置。这些结构通常在1,550 nm波长下运行，并使用有限差分时域(FDTD)方法进行模拟。T形光子晶体逻辑门在单一布局中执行多种操作，使用非线性和线性材料设计，通过在输入处移动相位角提供操作灵活性。

图2： 使用光子晶体设计的光子器件和传感器。(a)XOR/XNOR布局的示意图。(b)提出的半加法器电路示意图。(c)LMA-10的模拟截面。(d)提出结构的示意图。(e)提出的基于光子晶体光纤的表面等离激元共振传感器的二维视图。

图2展示了使用光子晶体设计的各种光子器件和传感器。布局包括XOR/XNOR门、半加法器电路以及利用光子晶体结构独特性质的专用传感器。

2

基于光子晶体光纤的传感器

光子晶体生物传感器已成为生物医学研究、医疗保健、制药和其他应用中的强大工具。基于光子晶体光纤的传感器在生物传感应用中表现出最佳性能，这得益于其独特的导光特性和可定制设计。

例如，带有线缺陷的二维方形晶格光子晶体已被用作葡萄糖传感器，测量不同的尿液葡萄糖浓度。在这些传感器中，光子通过光子晶体结构并在两端与尿液发生反应。其他光子晶体光纤传感器已开发用于使用各种溶液检测DNA，包括乙烯亚胺酸、聚丙烯酸和单链DNA。

在可见光至近红外波段工作的D形光子晶体光纤传感器提供最小损耗和极高灵敏度，使其适用于广泛的传感应用。光子晶体光纤的特性已在生物医学、物理、生物化学和农业应用中得到利用，展示了其多功能性和有效性。

3

光子技术与人工智能的协同作用

人工智能与光子技术的集成近年来增长迅速。这种协同作用利用了两个领域的优势，人工智能增强了光子技术，而光子技术则为人工智能系统提供了先进的数据收集能力。

图3：(a)与人工智能相关的领域。(b)可以使用光子晶体设计的器件。(c)指数导引、微结构光纤的示意图。(d)带有超级单元的非对称椭圆形空气孔光子晶体波导(AOPCW)结构。

如图3所示，与人工智能相关的领域包括广泛的技术，如强化学习、监督学习、无监督学习、深度学习和各种类型的神经网络。这些人工智能技术可应用于设计和优化光子晶体器件，包括生物传感器、波导、光分路器以及组合和顺序线路。

4

人工智能增强的光子技术：正向建模

在人工智能增强的光子技术领域，正向建模是一种强大的方法，其中器件几何参数形成输入参数空间，而性能向量构成输出参数空间。这种方法通常采用判别性神经网络，包括多层前馈网络和卷积神经网络(CNN)，来模拟输入和输出变量之间的映射。

正向建模已经改变了光子晶体光纤的分析，特别是在色散预测方面。用于此目的的传统数值技术，如有限元分析，需要大量计算资源。人工神经网络(ANN)通过使用以前的数据基于光子晶体光纤参数预测色散，为这个问题提供了有效的解决方案。

神经网络还表现出在可用数据集之外预测光子晶体拓扑转变的潜力。这些网络通过纳入基于麦克斯韦方程的物理原理，展示了改进的泛化能力。此外，通过神经网络优化提高了光子晶体马赫-曾德干涉仪(MZI)的性能，结构参数的优化导致了归一化传输峰值的显著改善。

图4：深度神经网络(DNN)辅助硅基光电子器件设计方法示意图。

图4展示了深度神经网络(DNN)对硅基光电子器件设计的方法，显示了正向和反向建模之间的关系。在正向建模中，方法首先选择一个器件结构(经验性的、二维码式的或拓扑式的)，然后通过神经网络分析确定电场分布和光谱等参数。

5

人工智能增强的光子技术：反向建模

反向建模代表了相反的方法，其中性能向量作为输入，相应的器件几何结构作为输出。这种方法可分为三个主要类别：

• 结合前向模型使用梯度下降算法的方法，其中梯度通过自动微分或伴随方法进行评估。
• 采用遗传和粒子群算法等传统优化技术结合前向模型的方法。
• 利用生成式神经网络预测满足性能要求的器件几何结构的算法。
  

这些方法中最常用的神经网络架构包括卷积神经网络(CNN)、循环神经网络(RNN)和人工神经网络(ANN)。根据特定应用要求，每种架构都提供不同的优势。

6

使用人工智能的光子器件

人工智能与光子器件设计的集成导致了多种电光和光子器件的发展，包括超透镜、等离子体金属-绝缘体-金属波导和基于铌酸锂的马赫-曾德干涉仪。这些工具可用于实现各种逻辑操作和功能。

考虑到光子晶体的特性，包括高运行速度、小尺寸、低成本和高效率，使用光子晶体方法创建神经网络以进一步提高运行速度和效率是一个重要研究方向。

图5：基于人工智能集成光子晶体设计的逻辑门。(a)拓扑腔体示意图(外部为拓扑光子晶体1，内部为普通光子晶体2)。(b)功能性全光NOT逻辑门的实现。(c)用于全光逻辑门的二维光子晶体板的结构示意图和最小设计。

图5展示了使用人工智能集成光子晶体设计的逻辑门示例。这些包括拓扑腔体、全光NOT门和用于实现各种逻辑功能的二维光子晶体板。

7

使用反向建模的逻辑门

通过反向建模方法，研究人员已成功创建了所有主要逻辑门，包括OR、AND、NOT、NOR、XOR、XNOR和NAND。这些已使用线性干涉方法实现，包括基于具有持久边缘状态的二维光子晶体的拓扑滤波器和全光逻辑门。

在这些系统中，入射平面波首先在输入层被特定逻辑操作空间编码，然后通过隐藏层进一步解码，通常是一个复合惠更斯超透镜。监督和无监督学习技术都已用于研究光学神经网络(ONN)的逻辑门，提出的结构使用互连和自连接配置为光学神经元执行OR和XOR等操作。

8

使用正向建模的逻辑门

全光逻辑门的正向建模方法通常遵循两种主要策略：基于线性光学效应的方法和基于非线性光学效应的方法，特别是三阶非线性极化率。

使用自旋编码技术，研究人员已经创建了各种逻辑门，包括使用尺寸小至220 nm×60 nm的光学槽纳米天线的XNOR门，以及使用尺寸为300 nm×300 nm的L形光学槽纳米天线的OR、AND、NOT、NAND和NOR门。这些方法通过模式耦合而非路径干涉集成了表面等离子体极化激元发射和逻辑操作，显著减小了器件尺寸。

二维非线性光子晶体板已被用于展示超紧凑全光AND、NAND、OR和NOR门。这些通常采用非线性材料，如具有低折射率和显著三阶非线性的复合银-聚合物薄膜。质量因数约为2000的光子晶体腔已在聚合物板上构建，用于实现这些功能。

9

结论

人工智能与基于光子晶体光纤的器件集成代表着光学技术的转变。通过利用神经网络等人工智能技术，研究人员显著增强了光子器件的设计、优化和性能，为光通信、传感和信息处理应用创造了新的发展方向。

正向和反向建模方法为开发具有高级功能的光子结构提供了互补策略。随着该领域的持续发展，我们期待进一步的创新，使光的操控和控制达到新的水平，最终实现更快、更高效、更灵活的光学系统，适用于多种应用场景。

参考文献

[1] M. Tiwari, G. Singh, and A. Saharia, Eds., Intelligent Photonics Systems: Technology and Applications, 1st ed. Boca Raton, FL, USA: CRC Press, 2025

END