2019 Fiscal Year Annual Research Report
Optimization of photonic crystal nanocavities based on machine learning
| Project/Area Number |
19H02629
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
浅野 卓 京都大学, 工学研究科, 准教授 (30332729)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | フォトニック結晶 / 機械学習 / ナノ共振器 / 構造最適化 / 繰り返し最適化 |
|---|
| Outline of Annual Research Achievements |
フォトニック結晶共振器は波長程度の微小領域への強い光閉じ込めを可能にする技術であり、これを用いて全固体素子共振器量子電磁力学系や、共振器光子寿命内での光の動的操作の実現など、従来にない様々な光機能が創出されてきた。しかしフォトニック結晶は高い構造自由度を持つため、従来手法では十分な設計を行うことは困難であり、その潜在能力を十分に活用できていなかった。そこで本研究では、機械学習に基づく構造最適化手法を検討し、これを様々なフォトニック結晶共振器に適用して、その潜在能力を最大限引き出すことを目指している。
令和1年度の研究においては、機械学習に基づいて設計された共振器構造の作製と評価、機械学習モデル内部における共振器構造の表現の検討、機械学習モデルの高度化、より広く構造パラメータ空間を探索する手法の検討などに取り組んだ。
機械学習設計共振器の作製・評価に関しては、まず、対称ランダムシフトを導入したヘテロ構造共振器とその第一原理計算Q値の対1000個からなるデータセットを学習させた畳み込みニューラルネットワークを用い、勾配法によってQ値の高いと考えられる候補構造を出力させた。その構造を電子ビーム露光とプラズマエッチングによって30個程度作製し、そのQ値を測定して従来構造と統計的に比較した。その結果、900万以上の非常に高いQ値の共振器の得られる割合が従来構造では16%であったのに対し、新構造では42%と大幅に高くなり、本最適化手法の有用性が実験的に確認された。
また、広く構造パラメータ空間を探索する手法に関しては、学習結果に基づく候補構造の出力とその第一原理計算結果の学習データへの追加を繰り返す手法を検討した。この手法により、ヘテロ構造共振器より設計の困難なL3型共振器において、従来の500万程度を大幅に上回る3000万程度のQ値を持つ構造を設計することに成功した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
まず、機械学習設計に基づく共振器構造を実際に作製し、Q値900万を超える超高Q値共振器の実現歩留まりを大きく向上することに成功して、本設計手法の有用性を実験的にも示すことができたことは、重要な研究の進展と言える。
学習モデルの高度化に関しても、高Q値構造の優先的学習、対称構造の明示的学習などにより、予測精度を高めることが可能なことが明らかになるなど、順調に進展している。
学習と第一原理計算の相互繰り返しによる、広いパラメータ空間の探索は、予想外に効果的であることが判明し、従来手法よりも大幅に高いQ値の構造を、より少ない計算資源で設計することに成功した。（その際、第一原理計算コードの全体的な書き直しを行い、大幅な高速化も行った。）この手法の内部解析はまだ不十分であるものの、計画以上の進展と言える。
学習モデルの内部表現の検討に関しては、Q値を高めることに寄与している特徴の抽出、低めることに寄与している特徴の抽出などが内部の層で行われていることが判明した。また、繰り返し最適化の結果出力されるモデルが、これまで物理的考察から理想的とされていたものの、その実現方法が分かっていなかったsinc関数状の電磁界包絡線分布を実現する共振器構造になっていることが判明した。これは機械学習モデルが光閉じ込めの物理を抽出あるいは理解できているとも解釈できるかもしれないが、さらなる検討が必要である。
以上のように様々な重要な成果が得られており、研究は総体的には概ね順調に進展していると判断できる。
|
| Strategy for Future Research Activity |
機械学習と第一原理計算を繰り返す手法は、大きく構造を変化させる必要がある場合にも高いQ値の共振器構造の設計を可能にする非常に有用な方法であることがわかったので、今後はその内部で行われていることを解析して定量的に理解するとともに、さらなる効率化のための改良を検討する。また、この手法で設計された共振器を実際に作製してその有効性を実験的にも検証する。さらに、電気・光多層構造の形成に有用な全体がSiO2で埋め込まれた共振器などの様々な共振器構造に対して、検討した設計手法を適用し、共振器性能の向上を行う。
|
