Key points are not available for this paper at this time.
要約 トポロジー最適化(TO)は、次世代のコンパクトで効率的なフォトニックコンポーネントを設計する可能性を秘めています。しかし、半導体ファウンドリによって課せられる製造制約に対応した最適化設計を保証することは依然として課題です。本研究では、設計が製造基準、特に最小特徴サイズと間隔を満たすことを保証するTOフレームワークを提案します。最新の機械学習および特徴マッピング手法の進展を活用することで、我々のアプローチは事前定義されたライブラリから形状を変換してコンポーネントを構築し、制約の強制を簡素化します。具体的には、離散形状ライブラリを微分可能な空間にエンコードするために、コンボインプリシット変分オートエンコーダを導入し、勾配ベースの最適化を可能にします。いくつかの一般的なフォトニックコンポーネントの設計を通じて、我々のフレームワークの有効性が示されています。
Padhy et al. (火曜日) はこの問題を研究しました。