Diseño de estructuras fotónicas de silicio asistido por aprendizaje profundo

Abstract

[ES] A medida que la electrónica se acerca a sus límites en velocidad y miniaturización, la fotónica integrada en silicio emerge como una solución complementaria prometedora. Este Trabajo de Fin de Máster (TFM) se enfoca en el diseño de un modulador todo óptico utilizando una combinación de óxidos transparentes conductores (TCOs, del inglés Transparent Conduncting Oxides) y silicio, optimizando sus características mediante técnicas de aprendizaje profundo. El proyecto explora el uso de TCOs, materiales que permiten ajustes precisos de su permitividad para operar en el régimen ENZ (Epsilon-near-zero), donde la permitividad real se aproxima a cero. Este fenómeno permite mejoras significativas en eficiencia energética y velocidad de modulación. El dispositivo contemplado es un dispositivo híbrido TCO/Si que utiliza una estructura capacitiva para variar su índice complejo, y su optimización se ha logrado aplicando redes neuronales profundas. Mediante el modelado y creación de una red neuronal, se predicen las condiciones óptimas de funcionamiento del dispositivo, maximizando su rendimiento. La simulación ha demostrado la viabilidad del enfoque propuesto. De esta forma, es posible mejorar el rendimiento de los dispositivos de modulación, el cual es un dispositivo clave para impulsar la integración de tecnologías fotónicas y electrónicas en plataformas de silicio, abriendo un nuevo camino en el campo de la fotónica integrada.

[EN] As electronics approach their limits in speed and miniaturization, silicon-integrated photonic emerges as a promising solution. This Master s Thesis (TFM) focuses on designing an all-optical modulator using a combination of transparent conductive oxides (TCOs) and silicon, optimizing its characteristics through deep learning techniques. The project explores the use of TCOs, materials that allow precise adjustments of their permittivity to operate in the regime ENZ (Epsilon-near-zero), where the real permittivity approaches zero. This phenomenon enables significant improvements in energy efficiency and modulation speed. The contemplated device is a hybrid TCO/Si device that uses a capacitive structure to vary its complex index, and its optimization has been achieved by applying deep neural networks. Through modelling and creating a neural network, the optimal operating conditions of the device are predicted, maximizing its performance. Simulation has demonstrated the feasibility of the proposed approach. In this way, it is possible to improve the performance of modulation devices, which are key devices for driving the integration of photonic and electronic technologies on silicon platforms, opening a new path in the field of integrated photonics.