1. 硅光器件逆向设计导论
在硅光子学中，器件的设计长期依赖“正向设计”路径：工程师先选定几何结构（如直波导、定向耦合器、多模干涉器），再依据解析公式或经验参数确定尺寸，最后用FDTD或FDE仿真验证性能。这条路径的优点是物理图像清晰、可解释性强，但它的天花板也很明显——当器件尺寸进入亚波长量级、结构自由度增加、或需要同时满足带宽、插损、工艺容差等多重指标时，人工枚举几何参数几乎不可能逼近全局最优。逆向设计（Inverse Design）正是为突破这一瓶颈而出现的范式：它不再从结构出发推性能，而是从目标性能出发反推结构。
逆向设计范式的核心逻辑
逆向设计把器件设计转化为一个“优化问题”。其基本要素包括：设计区域（design region）、参数化方式、目标函数（figure of merit, FoM）、约束条件与优化算法。以最常见的密度法（density-based topology optimization）为例，设计区域被离散为若干像素或体素，每个单元的相对介电常数在 ε_min（如 SiO₂ 的 2.1）与 ε_max（如 Si 的 12.1）之间连续取值，用密度变量 ρ∈[0,1] 表示。目标函数通常写成透射率、模式重叠积分或加权组合，例如：
FoM = w1·T_target + w2·(1 - IL) - w3·(Γ_feature)
其中 T_target 为目标端口透射率，IL 为插入损耗，Γ_feature 为最小特征尺寸惩罚项优化过程依赖伴随变量法（adjoint method）计算梯度：一次正向仿真得到场分布，一次伴随仿真得到目标对介电常数的灵敏度，从而以约两倍正向仿真的代价获得全部设计变量的梯度。随后用梯度下降、L-BFGS 或 MMA 等算法迭代更新密度分布，并施加滤波与投影以保证最小特征尺寸和二元化。最终结构往往呈现“非直觉”的弯曲、渐变、多孔形态，这正是逆向设计能突破传统几何限制的原因。
与正向设计的对比
理解逆向设计，最有效的方式是与正向设计逐项对照。下表从设计起点、自由度、优化方式、结果形态和工程适用性五个维度进行对比。
| 对比维度 | 正向设计 | 逆向设计 |
|---|---|---|
| 设计起点 | 选定已知结构（如MMI、DC） | 给定目标响应与约束 |
| 设计自由度 | 低，通常3~8个几何参数 | 高，可达10³~10⁶个像素变量 |
| 优化方式 | 参数扫描、经验调参 | 伴随梯度、全局/局部优化 |
| 结果形态 | 规则、可解释、易版图化 | 非直觉、需后处理与规则化 |
| 适用场景 | 指标宽松、结构成熟 | 多目标、小尺寸、高性能需求 |
需要强调的是，逆向设计并非全面取代正向设计。对于波导、弯曲等已有成熟解析模型的结构，正向设计仍然高效可靠；逆向设计的价值集中在“正向设计难以同时满足多个指标”的场合，例如超宽带耦合器、紧凑型分束器、高阶模式转换器等。
典型硅光器件的逆向设计需求
硅光平台受限于高折射率差与工艺最小线宽，许多传统结构在尺寸缩小后性能急剧退化。以下四类器件是逆向设计最典型的应用对象。
- 波导与弯曲：单模条件要求波导截面在亚微米量级，弯曲半径小于5 μm时辐射损耗显著。逆向设计可通过渐变折射率分布或亚波长光栅结构，在保持单模的同时降低弯曲损耗，目标通常为弯曲损耗 < 0.01 dB/90°。
- 耦合器：光纤与硅波导的模式尺寸失配导致耦合损耗大。逆向设计的边缘耦合器或光栅耦合器可在数十微米长度内实现 > 70% 的耦合效率，并兼顾带宽与偏振相关损耗。
- 分束器：传统MMI分束器尺寸随端口数增加而迅速增大。逆向设计可在几微米见方区域内实现任意分束比，且插损与不平衡度可同时优化。
- 模式转换器：在模分复用系统中，需要在基模与高阶模之间高效转换。逆向设计可构造非对称渐变结构，实现 > 95% 的模式转换效率，并抑制高阶模串扰。
这些器件的共同需求是：在有限版图面积内，同时优化多个相互制约的性能指标。逆向设计通过高维参数空间搜索，能够找到正向设计难以触及的解。
工程价值与落地要点
逆向设计的工程价值体现在三个层面。第一，性能提升：在相同工艺节点下，逆向设计器件通常可获得比传统结构高20%~50%的关键指标改善。第二，面积压缩：通过拓扑优化，器件尺寸可缩小至传统结构的1/3~1/2，有利于高密度集成。第三，设计周期缩短：一旦建立优化流程，针对新指标的迭代可在数小时内完成，而正向设计往往需要数天甚至数周。
但落地时也需注意：逆向设计结果必须经过规则化处理（如最小线宽、最小间距、直角限制），否则难以通过DRC；同时需评估工艺偏差下的鲁棒性，通常在设计阶段引入鲁棒性目标或蒙特卡洛分析。此外，优化得到的非直觉结构需要完整的仿真验证与实验标定，不能直接假定其性能。
逆向设计流程示意
下图展示了从目标定义到版图输出的完整逆向设计信号与数据流。左侧为设计输入，中部为优化循环，右侧为工程输出。图中标注了关键参数与判断节点，便于对照正文理解每一步的实际含义。
图中左侧的“设计输入”决定了优化问题的边界，中部的伴随循环是计算核心，右侧的“工程输出”则强调逆向设计结果必须经过规则化与验证才能进入流片。特别需要注意的是，收敛判断不仅看FoM变化量，还应检查结构是否满足最小特征尺寸约束；若未满足，需调整滤波半径或投影参数后继续迭代。
从工程实践角度看，逆向设计的学习曲线主要集中在三处：一是目标函数的构造，需要把“想要什么”翻译成可微的数学表达；二是约束的施加，既要保证物理可实现，又不能过度限制优化空间；三是结果的后处理与验证，避免“仿真很美、流片报废”。掌握这三点，逆向设计就能从论文中的概念转化为可复用的工程能力。