01 說明

本案例將Lumerical和HFSS在行波MZM調(diào)制器建模中的功能與optiSLang相結(jié)合，提供了強(qiáng)大的優(yōu)化能力以尋找ZUI佳性能設(shè)計。

02 綜述

本案例建立在已有的硅波導(dǎo)建模實例（Ansys Lumerical 行波 Mach-Zehnder 調(diào)制器仿真分析）的基礎(chǔ)上，該示例由反向偏置 pn 結(jié)進(jìn)行相位調(diào)制，由 Al 共面?zhèn)鬏斁€驅(qū)動。該示例的演示目標(biāo)是找到具有ZUI佳品質(zhì)因數(shù)的設(shè)計，相移、損耗和速度失配等結(jié)果與所選輸入，摻雜和電極形狀等參數(shù)的函數(shù)關(guān)系。分立的器件電學(xué)、光學(xué)以及RF模型都將被導(dǎo)入到optiSLang當(dāng)中，并在optiSLang建立元模型，對大量輸入進(jìn)行優(yōu)化以找到ZUI佳設(shè)計。此外，還可以將INTERCONNECT添加到optiSLang中計算誤碼率。

步驟1：運(yùn)行多物理仿真獲得初始結(jié)果

使用 Charge 仿真得到調(diào)制區(qū)在不同偏壓 (-0.4V~4V) 的載流子分布，并導(dǎo)出 monitor_charge 的結(jié)果。

不同偏壓下電荷密度分布

使用 MODE 計算在上述載流子的分布下，整個波導(dǎo)的損耗、群折射率以及等效折射率等。

使用 HFSS 計算行波電極在 10-100GHz 下的損耗，端口阻抗，等效折射率等。

以上參數(shù)將被作為optiSLang的輸入?yún)?shù)，用于后續(xù)的模型建立和優(yōu)化當(dāng)中。更多詳細(xì)信息可參考Ansys Lumerical 行波 Mach-Zehnder 調(diào)制器仿真分析。

步驟2：創(chuàng)建系統(tǒng)響應(yīng)的元模型

optiSLang優(yōu)化文件由三個主要模塊組成，參數(shù)敏感性分析、元模型模塊和優(yōu)化算法模塊。

首先，參數(shù)敏感性分析與品質(zhì)因數(shù)相關(guān)聯(lián)，在本例中是通過提供CHARGE、MODE和HFSS 文件的仿真腳本和仿真數(shù)據(jù)的來完成，將仿真數(shù)據(jù)導(dǎo)入到optiSLang并識別輸入和響應(yīng)即可建立初始的元模型，用于對結(jié)果優(yōu)化和可視化。

其次，將參數(shù)敏感性分析應(yīng)用于系統(tǒng)以建立系統(tǒng)的元模型，元模型優(yōu)化主要關(guān)注三個品質(zhì)因數(shù)（FOM）：ZUI小化速度失配、ZUI小化損耗和增大與電壓相關(guān)的相移(ZUI小化Vpi/Lpi)。這些在Criteria選項中指定：

變參僅僅針對調(diào)制器摻雜濃度和摻雜位置(n,p)，以及電極形狀等 6 個參數(shù)：

找到適當(dāng)數(shù)量的樣本很重要，器件級仿真運(yùn)行的次數(shù)與“Adaption”選項中指定的相同，增加仿真次數(shù)提升優(yōu)化后模型性能，但同時也增加完成優(yōu)化所需的時間，可以通過勾選“show advanced setting”來設(shè)置采樣選項，本例中選擇了“Advanced Latin Hypercube Sampling”，包含60個初始樣本，在局部CoP(預(yù)測系數(shù))和優(yōu)化標(biāo)準(zhǔn)的重要性之間采用70：30比例。此外，還設(shè)置了每次迭代12個樣本，至少6次迭代來生成元模型。運(yùn)行后，每個獨(dú)立設(shè)計的結(jié)果將記錄在“Result designs”中，元模型就生成了。

后處理結(jié)果的模型質(zhì)量記錄在CoP矩陣，基于統(tǒng)計的思想通過一個預(yù)測質(zhì)量的關(guān)鍵指標(biāo)預(yù)測系數(shù)（CoP - Coefficient of Prognosis）來評估對實際模型的預(yù)測質(zhì)量。CoP的值越大表明預(yù)測得到的模型準(zhǔn)確性更高。通常在二維或三維圖像基礎(chǔ)上，輔以各點的不同顏色配合色塊來說明各個參數(shù)對模型目標(biāo)函數(shù)的函數(shù)值的影響。每個輸入?yún)?shù)的總有效性用紅色表示，單擊這些值中的每一個也會更新3D曲面圖，代表輸出對指定輸入的依賴性。下圖是Vpi_Lpi作為n和p摻雜值的函數(shù)的例子：

從上述步驟，我們通過參數(shù)敏感性分析了解到我們創(chuàng)建的元模型可以準(zhǔn)確預(yù)測在優(yōu)化過程中的系統(tǒng)表現(xiàn)，因此可以繼續(xù)進(jìn)行后續(xù)大量的變參優(yōu)化步驟，以確定ZUI佳設(shè)計。

步驟3：優(yōu)化和獲得ZUI佳設(shè)計

通過參數(shù)敏感性分析了解設(shè)計參數(shù)和設(shè)計目標(biāo)的設(shè)計行為，并使用結(jié)果支持我們的優(yōu)化算法。這是一個多目標(biāo)優(yōu)化，自動運(yùn)行數(shù)千種敏感性和優(yōu)化設(shè)計，可以得到一組ZUI佳設(shè)計，稱為帕累托前展面（Pareto Frontier）。所有設(shè)計條件的品質(zhì)因數(shù)都顯示在帕累托圖中，可以左鍵單擊并拖動以放大代表ZUI佳設(shè)計的帕累托前展面。

在本例中，我們關(guān)注獲得ZUI佳相移、損耗和速度失配輸出，在后處理頁面的視圖部分拖動“3D Cloud Plot”，可以獲得三個品質(zhì)因數(shù)所有設(shè)計的概覽。ZUI佳設(shè)計是所有位于plot邊緣的點（即上述帕累托前展面）。為了能夠更好地觀察這些設(shè)計，點擊“Select best design(s)”，點擊“Invert selection”，然后在圖上右鍵單擊并選擇“deactivate”：

如前所述，會有幾個設(shè)計都提示是ZUI佳設(shè)計，因為在FOM之間必然會有妥協(xié)。根據(jù)模型需求或優(yōu)化優(yōu)先級的不同，ZUI終的選擇可能不同。點擊任意一點都會更新對應(yīng)輸入值和結(jié)果繪圖，在這里我們可以看到對應(yīng)摻雜濃度、偏移量和電極參數(shù)確定值，以及所選ZUI佳設(shè)計的對應(yīng)結(jié)果。

此外，本例中還能進(jìn)一步在參數(shù)求解系統(tǒng)中引入INTERCONNECT用以獲得誤碼率（BER），獲得的參數(shù)可以進(jìn)一步更新模型并將監(jiān)測與初始設(shè)計相比誤碼率的降低情況。

審核編輯：湯梓紅