Ultra-fast simulation and design of nanophotonic devices

Abstract

This thesis explores advanced methodologies for the ultra-fast simulation and design of nanophotonic devices, emphasizing the efficiency and accuracy of inverse design processes. The study introduces a multi-scale hierarchical inverse design approach that optimizes the fabrication compatibility and performance of nanophotonic components. A significant contribution is the development of a factorization caching method that dramatically reduces computational overhead in the gradient computation phase of inverse design, thereby accelerating the overall optimization process. This method proves particularly effective for two-dimensional finite-difference frequency-domain (FDFD) simulations, offering substantial time savings without compromising physical accuracy. Furthermore, the integration of deep learning techniques into nanophotonic simulations is examined. A dual-stage model trained with physics-based losses is presented, achieving simulation speeds up to 3408 times faster than traditional three-dimensional finite-difference time-domain (FDTD) methods. This model ensures high fidelity in the simulation results, maintaining robustness across various device geometries and sizes. The advancements detailed in this thesis not only enhance the computational efficiency of photonic device design but also expand the feasible design space, paving the way for the development of innovative and practical nanophotonic devices.

Bu tez, nanofotonik cihazların ultra hızlı simülasyonu ve tasarımı için gelişmiş metodolojileri incelemekte ve ters tasarım süreçlerinin verimliliği ve doğruluğuna vurgu yapmaktadır. Çalışma, nanofotonik bileşenlerin üretim uyumluluğunu ve performansını optimize eden çok ölçekli hiyerarşik bir ters tasarım yaklaşımı sunmaktadır. Bu tezde önemli bir katkı, ters tasarımın gradyan hesaplama aşamasındaki hesaplama yükünü önemli ölçüde azaltan ve genel optimizasyon sürecini hızlandıran faktorizasyon önbellekleme yönteminin geliştirilmesidir. Bu yöntem, fiziksel doğruluğu koruyarak iki boyutlu FDFD simülasyonları için özellikle etkili olup, önemli zaman tasarrufu sağlamaktadır. Ayrıca, nanofotonik simülasyonlarda derin öğrenme tekniklerinin entegrasyonu incelenmektedir. Fizik temelli hedef fonksiyonlarıyla eğitilmiş iki aşamalı bir model sunulmakta olup, bu model geleneksel üç boyutlu FDTD yöntemlerinden 3408 kat daha hızlı simülasyon hızlarına ulaşmaktadır. Bu model, çeşitli cihaz geometrileri ve boyutları arasında yüksek güvenilirlikte simülasyon sonuçları sağlamakta ve sağlamlığını korumaktadır. Bu tezde detaylandırılan yöntemler, fotonik cihaz tasarımının hesaplama verimliliğini artırmakla kalmayıp, aynı zamanda yenilikçi ve pratik nanofotonik cihazların geliştirilmesine olanak tanıyan uygun tasarım alanını genişletmektedir.