公开(公告)号：CN111985153B

公开(公告)日：2022-04-22

申请号：CN202010769336.X

申请日：2020-08-03

申请人： 华中科技大学

发明人： 张敏明 ,  黄琼龙 ,  刘德明

IPC分类号： G06F30/27 ,  G06N3/04 ,  G06N3/12

摘要： 本发明公开了一种基于神经网络和遗传算法的硅基光子器件仿真方法和系统，属于半导体光电子技术领域。方法包括：将器件待优化区域划分为多个网格；随机对各网格折射率进行初始化，生成多种器件结构，并对生成的多种器件结构进行电磁仿真，对应获得不同的输出结果；利用生成的器件结构及其对应的仿真结果训练正向神经网络；采用遗传算法和训练好的正向神经网络迭代更新结构集，得到器件最终结构。本发明具有普适性和超快的设计效率，不需要复杂的迭代仿真过程，同时遗传算法的引入避免了直接训练反向网络会出现的同一性能可能对应多个结构的“一对多”问题，遗传算法的随机性也更有利于发现全局最优解。

公开(公告)号：CN111985153A

公开(公告)日：2020-11-24

申请号：CN202010769336.X

申请日：2020-08-03

申请人： 华中科技大学

发明人： 张敏明 ,  黄琼龙 ,  刘德明

IPC分类号： G06F30/27 ,  G06N3/04 ,  G06N3/12

摘要： 本发明公开了一种基于神经网络和遗传算法的硅基光子器件仿真方法和系统，属于半导体光电子技术领域。方法包括：将器件待优化区域划分为多个网格；随机对各网格折射率进行初始化，生成多种器件结构，并对生成的多种器件结构进行电磁仿真，对应获得不同的输出结果；利用生成的器件结构及其对应的仿真结果训练正向神经网络；采用遗传算法和训练好的正向神经网络迭代更新结构集，得到器件最终结构。本发明具有普适性和超快的设计效率，不需要复杂的迭代仿真过程，同时遗传算法的引入避免了直接训练反向网络会出现的同一性能可能对应多个结构的“一对多”问题，遗传算法的随机性也更有利于发现全局最优解。