1. 课程导入与硅光系统全景
硅光电路级仿真与系统验证，解决的不是“单个器件能不能工作”的问题，而是“由器件组成的链路、由链路组成的系统，在真实约束下能否达到指标”的问题。很多初学者拿到 PDK 后第一反应是打开仿真器跑一条波导的传输谱，看到曲线符合预期就认为设计完成；但真正流片后却发现链路插损超标、调制带宽不足、误码率不达标。原因往往不是某个器件错了，而是缺少从器件到链路再到系统的层次化认知，以及与之匹配的仿真边界划分。
本课程的目标，是建立一套可执行的硅光仿真工作流：明确每一层仿真要回答什么问题、需要哪些输入、输出什么结果、用什么工具、以及如何判断结果是否可信。它不是器件物理课，也不是版图绘制课，而是把硅光设计从“画得出来”推进到“验证得过去”的工程方法课。
从器件到系统：四个层次与各自边界
硅光系统的仿真通常可以划分为四个层次，每一层有明确的输入输出和验证目标。理解这些边界，是避免“用错工具、算错对象”的前提。
- 器件层：对象是单个无源或有源结构，如波导、MMI、微环、调制器、探测器。输入是几何尺寸、材料折射率、掺杂分布；输出是 S 参数、有效折射率、损耗、调制效率、响应度。常用工具包括 FDTD、FDE、BPM 以及 PDK 提供的紧凑模型。
- 链路层：对象是若干器件通过波导连接形成的功能链路，如调制链路、接收链路、滤波链路。输入是各器件的 S 参数或紧凑模型、连接拓扑、波长与功率；输出是链路插损、带宽、消光比、串扰。常用工具是频域或时域电路仿真器，如 SPICE 类引擎配合光子紧凑模型。
- 系统层：对象是完整光收发模块或光互连系统，包含电驱动、光路、光电探测、跨阻放大等。输入是链路模型、电学前端模型、编码格式；输出是眼图、误码率、灵敏度、功耗。常用工具是系统级仿真平台，如 Python/Matlab 协同仿真或专用光电联合仿真环境。
- 验证层：对象是仿真结果与测试数据的对比。输入是仿真预测值、实测值、工艺角；输出是误差范围、模型修正量、设计裕量。这一层决定仿真是否可信，也是本课程反复强调的闭环环节。
需要特别说明的是，这四个层次不是严格串行的。例如，系统层发现误码率不达标时，可能需要回到链路层调整调制器驱动电压，再回到器件层修改掺杂浓度。仿真的价值不在于一次跑通，而在于快速定位问题所在层次。
工具链与典型工作流
硅光仿真没有单一“万能工具”，而是由多类工具协同完成。一个典型的工具链包括：
- 电磁仿真工具：Lumerical FDTD/MODE、COMSOL、Tidy3D 等，用于提取器件 S 参数和模式特性。
- 紧凑模型与 PDK：Foundry 提供的 PDK 中包含经过校准的紧凑模型，是链路仿真的基础。
- 光电电路仿真器：如 Lumerical INTERCONNECT、Synopsys OptSim、VPIphotonics，以及基于 SPICE 的联合仿真方案。
- 系统与信号处理工具：Python、Matlab、Simulink，用于编码、滤波、误码率统计和眼图分析。
- 版图与验证工具：KLayout、Virtuoso，用于版图绘制、DRC/LVS 以及寄生参数提取。
典型工作流可以概括为：先用电磁工具提取关键器件模型，再在链路仿真器中搭建拓扑并验证指标，随后接入系统级模型评估误码率，最后与测试数据对比修正模型。这个流程中，每一步的输出都是下一步的输入，任何一步的误差都会向下传播。因此，模型校准和边界确认比“跑得快”更重要。
一个可执行的链路预算示例
为了把上述层次具体化，下面给出一个简化的调制链路预算示例。假设目标是在 1310 nm 波长下实现 25 Gb/s NRZ 传输，链路包含：激光器、调制器、波导互连、探测器。以下参数为教学示例，用于说明计算过程，并非实测数据。
| 环节 | 参数 | 示例值 | 说明 |
|---|---|---|---|
| 激光器输出 | P_laser | 10 dBm | 假设耦合进芯片前 |
| 光纤到芯片耦合 | IL_coupling | 2 dB | 单端 |
| 调制器插入损耗 | IL_mod | 5 dB | 含偏置点损耗 |
| 波导互连 | IL_wg | 1.5 dB | 长度约 1 cm，损耗 1.5 dB/cm |
| 探测器响应度 | R | 0.8 A/W | 示例值 |
接收光功率可估算为：P_rx = 10 − 2 − 5 − 1.5 = 1.5 dBm，约 1.41 mW。探测器输出电流 I = P_rx × R ≈ 1.41 × 0.8 ≈ 1.13 mA。若跨阻放大器增益为 1 kΩ，则输出电压约 1.13 V。这个电压是否足够驱动后续判决电路，取决于 TIA 噪声和灵敏度要求。如果不足，就需要回到链路层降低调制器损耗或提高激光功率。
这个例子说明：链路预算不是简单加减，而是把光功率、损耗、响应度和电学增益串起来，形成可判断的数值。仿真工具的作用，是让这些数值在频域和时域上更精确，并考虑带宽、噪声和码型效应。
系统验证看什么：眼图、误码率与裕量
系统层验证的核心指标是误码率（BER）和眼图。BER 通常要求低于 1e-12（含前向纠错时可能放宽到 1e-5 量级），眼图则直观反映信号质量。判断时不能只看“眼张开”，还要看：
- 眼高与眼宽：决定判决裕量，眼高过小则噪声容限不足。
- 抖动：包括随机抖动和确定性抖动，影响时序裕量。
- 消光比：调制器“1”和“0”电平的比值，过低会降低灵敏度。
- 灵敏度：在给定 BER 下所需的最小接收光功率。
仿真得到的眼图如果眼高不足，可能的原因包括：调制器带宽不够、驱动器输出摆幅不足、波导色散导致脉冲展宽、探测器带宽受限。定位时应有意识地逐层排查，而不是盲目调参。
仿真与实测的闭环：为什么验证层不可跳过
仿真结果再漂亮，如果与实测偏差大，就不能用于设计决策。验证层的核心工作是建立“仿真—实测”对照表，记录每个关键指标的预测值、实测值和偏差。偏差来源通常包括：
- 模型误差：紧凑模型未覆盖实际工艺角，或提取时边界条件不一致。
- 寄生效应：版图引入的寄生电容、电阻未纳入仿真。
- 测试误差：耦合损耗标定不准、探测器响应度假设偏差、仪器带宽不足。
- 环境因素：温度漂移导致微环谐振波长偏移，而仿真假设固定温度。
一个实用的做法是：在首次流片前，用已知测试结构（如直波导、微环）校准 PDK 模型；流片后，优先对比这些结构的实测与仿真，确认模型可信后再用于复杂链路。这样可以把“模型误差”和“设计误差”分开，避免误判。