| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-10-20 17:10 Si細線-トポロジカル導波路間の結合効率向上に向けた深層学習による構造設計 ○坂本 樹・雨宮智宏・岡田 祥・各務 響・西山伸彦（東工大）・胡 暁（物質・材料研究機構）  OCS2022-25 OPE2022-71 LQE2022-34 |
|
| 抄録 | （和） | 通常のSi導波路とトポロジカル伝送路間の高効率な結合を実現するため, 深層学習を用いた構造設計の提案を行った. トポロジカルフォトニック系では, 素子を構成するすべての単位胞のパラメータを個別に設計することはパラメータ数量が累乗で増大することから現実的とは言えない. そのため, 深層学習を用いた構造設計を行った. 深層学習を用いる構造設計の手順としては, 単位胞の中心から空気孔までの距離を単位胞ごとにランダムにずらすことにより, 6000個からなるデータセットを有限差分時間領域法で取得した. 次にデータセットを用いるため, 畳み込み層を含む5層からなるニューラルネットワークを構成した. そのネットワークに学習を行うことにより相関係数0.943をもつ回帰関数を得た. その回帰関数から構造パラメータ空間を探索することにより, データセットにおける最高結合効率を超える構造パラメータを導出でき, 深層学習を用いた手法の有効性を示した. |
| （英） | We propose a structure design method using deep learning to achieve highly efficient coupling between a normal Si waveguide and a topological transmission line. In topological photonic systems, it is not realistic to design the parameters of all unit cell elements individually, because the number of parameters increases in powers of unity. Therefore, we have applied deep learning to the structure designing. In the procedure of structural design using deep learning, a dataset consisting of 6,000 data was obtained using the finite difference time domain method by randomly shifting the distance from the center of the unit cell to the air pore for each unit cell. Next, to use the datasets, we constructed a neural network consisting of five layers, including a convolutional layer. By training the network, we obtained a regression function with a correlation coefficient of 0.943. By exploring the structural parameter space from the regression function, we were able to derive structural parameters that exceed the highest coupling efficiency in the dataset, demonstrating the effectiveness of the method using deep learning. | |
| キーワード | （和） | トポロジカルフォトニクス / シリコンフォトニクス / 深層学習 / / / / / |
| （英） | Topological photonics / Silicon photonics / Deep learning / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 217, OPE2022-71, pp. 45-50, 2022年10月. | |
| 資料番号 | OPE2022-71 | |
| 発行日 | 2022-10-13 (OCS, OPE, LQE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | OCS2022-25 OPE2022-71 LQE2022-34 |
|
| 研究会情報 | |
| 研究会 | OPE OCS LQE |
| 開催期間 | 2022-10-20 - 2022-10-21 |
| 開催地（和） | 松山市民会館 小ホール |
| 開催地（英） | |
| テーマ（和） | 超高速伝送・変復調・分散補償技術，超高速光信号処理技術，広帯域光増幅・WDM技術，受光デバイス，高光出力伝送技術，及び一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | OPE |
| 会議コード | 2022-10-OPE-OCS-LQE |
| 本文の言語 | 日本語 |
| タイトル（和） | Si細線-トポロジカル導波路間の結合効率向上に向けた深層学習による構造設計 |
| サブタイトル（和） | |
| タイトル（英） | Structural Design by Deep Learning for Improving Coupling Efficiency between Si Thin Wire and Topological Waveguide |
| サブタイトル（英） | |
| キーワード(1)（和/英） | トポロジカルフォトニクス / Topological photonics |
| キーワード(2)（和/英） | シリコンフォトニクス / Silicon photonics |
| キーワード(3)（和/英） | 深層学習 / Deep learning |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 坂本 樹 / Itsuki Sakamoto / サカモト イツキ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第2著者 氏名（和/英/ヨミ） | 雨宮 智宏 / Tomohiro Amemiya / アメミヤ トモヒロ |
| 第2著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第3著者 氏名（和/英/ヨミ） | 岡田 祥 / Sho Okada / オカダ ショウ |
| 第3著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第4著者 氏名（和/英/ヨミ） | 各務 響 / Hibiki Kagami / カガミ ヒビキ |
| 第4著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第5著者 氏名（和/英/ヨミ） | 西山 伸彦 / Nobuhiko Nishiyama / ニシヤマ ノブヒコ |
| 第5著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第6著者 氏名（和/英/ヨミ） | 胡 暁 / Xiao Hu / フ シォー |
| 第6著者 所属（和/英） | 物質・材料研究機構 (略称： 物質・材料研究機構) National Institute for Materials Science (略称： NIMS) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-10-20 17:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | OPE |
| 資料番号 | OCS2022-25, OPE2022-71, LQE2022-34 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.216(OCS), no.217(OPE), no.218(LQE) |
| ページ範囲 | pp.45-50 |
| ページ数 | 6 |
| 発行日 | 2022-10-13 (OCS, OPE, LQE) |
[研究会発表申込システムのトップページに戻る]