2020 Fiscal Year Annual Research Report
Topology optimization of photonic devices based on function expansion method and evolutionary algorithm
| Project/Area Number |
18K04276
|
|---|
| Research Institution | Muroran Institute of Technology |
|---|
Principal Investigator |
辻 寧英 室蘭工業大学, 大学院工学研究科, 教授 (70285518)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 光導波路デバイス / トポロジー最適設計 / 進化的手法 / 有限要素法 / 関数展開法 / ニューラルネットワーク / ベイズ最適化 |
|---|
| Outline of Annual Research Achievements |
光デバイスの汎用的な自動最適設計法の構築を目指して，設計領域内の構造表現に任意構造を表現可能でグレイ領域を容易に抑圧できる関数展開法を用い，その設計パラメータの最適化手法について各種の検討を行った．まず，より大域的な解探索を効率的に行えるようにするため，これまで別個に開発してきた進化的手法と随伴変数法に基づく勾配法のハイブリッド化を行い，個別の手法による解探索よりも効率的に大域解を探索できることをいくつかの設計例を通して示した．また，デバイスの入出力特性以外の，構造トレランス等の制約条件を最適化に組み込むための検討も行った．次に，これらの成果を踏まえて，複数の目的に対する多目的最適設計についての初期的な検討を行った．多目的最適設計では，デバイス特性と要求される作製精度等を目的とし，ある特性を実現するためにはどの程度の作製精度が必要化といったことを明らかにできると考えられる．本検討では，遺伝的アルゴリズム(GA)あるいは粒子群最適化(PSO)と勾配法をハイブリッド化することで，多目的最適化においてもより効率的な大域探索が可能となることを示した．
これらに加えて，設計の効率化の観点から機械学習を利用した光デバイスの設計につて，２通りのアプローチにつて検討を行った．１つ目は素子構造が素子特性を決定する特徴パラメータを抽出し，設計変数と特徴パラメータの間の関係を数値解析により求めて機械学習させることで，デバイス設計の際の大規模数値解析を不要とし，これと進化的手法を組み合わせることで効率的な光デバイスの設計が可能であることを，方向性結合型光デバイスを例に明らかにした．２つ目として，機械学習の一つであるベイズ学習を光デバイスのパラメータ最適化問題に適用し有用性を示し，ベイズ学習に低次元探索を組み込むことで，設計変数が膨大となるトポロジー最適設計への応用可能性についても明らかにした．
|
Research Products
(39 results)
