3. 光学基本元件：分束器、耦合器、滤波器
这一章咱们聊聊硅光芯片里最基础的三个积木块——分束器、耦合器、滤波器。你想想看，光学神经网络说白了就是用光来做计算，那光信号怎么分路、怎么进来、怎么筛选波长，全靠这三个元件。
我刚开始接触硅光设计时，觉得这些元件就是些波导结构，随便画个版图就行。结果第一次流片回来，分束器分光比偏了10%，耦合器插损大了3dB，滤波器谐振波长漂了半个自由光谱范围……嗯，那次教训挺深刻的。
3.1 分束器（Splitter）
分束器的作用很简单——把一路光分成两路或多路。在光学神经网络里，它常用来做权重分配或者信号复制。
核心参数：分光比、插入损耗、工作带宽。
硅光芯片上最常见的分束器结构有两种：
- Y分支：结构最简单，两根波导逐渐靠近然后合并。优点是工艺容差大，缺点是分光比固定为50:50，而且会有一些散射损耗。
- 定向耦合器（DC）：两根波导平行放置，通过倏逝波耦合实现分光。分光比可以通过调节耦合长度来改变，灵活性高。
- 多模干涉耦合器（MMI）：我项目中最常用的。利用多模干涉效应，可以实现1×2、1×4、2×2等多种分光形式。
还记得我那次分光比偏了10%的教训吗？问题就出在MMI的设计上。版图里波导宽度画的是500nm，但流片后实际宽度只有480nm——干法刻蚀的侧壁角度造成了偏差。从那以后，我做MMI设计时一定会把工艺偏差的蒙特卡洛仿真跑一遍。
选型建议：对精度要求高（比如光学神经网络权重层），优先选MMI；对损耗敏感的场景，Y分支更靠谱；需要灵活调节分光比时，定向耦合器是唯一选择。
3.2 耦合器（Coupler）
耦合器负责把光从光纤或者激光器「请」进芯片。你想想看，光纤芯径9μm，硅波导截面只有0.5μm×0.22μm，这面积差了两个数量级——光怎么进去？
常用的片上耦合方案：
| 类型 | 耦合效率 | 带宽 | 工艺复杂度 | 适用场景 |
|---|---|---|---|---|
| 光栅耦合器 | 30%~60% | 宽（~40nm） | 低 | 晶圆级测试、多端口 |
| 端面耦合器 | 70%~90% | 很宽（>100nm） | 高 | 封装后模块 |
| 锥形耦合器 | 80%~95% | 取决于结构 | 中等 | 片上光源集成 |
我个人习惯用光栅耦合器做芯片级的初步测试。原因很简单——你不需要把光纤对得特别准，光栅耦合器的对准容差在±2μm左右，手动对准就能搞定。但要注意，光栅耦合器有偏振选择性，只有TE模才能高效耦合。
曾经踩过的坑：光栅耦合器的耦合效率对波长非常敏感。我在一个C波段WDM系统中用过标准光栅耦合器，结果中心波长1520nm处效率45%，到了1560nm直接掉到20%。最后换成啁啾光栅才把带宽撑开。
端面耦合器性能好，但工艺麻烦。需要做悬臂梁结构，或者在芯片端面镀抗反射膜。量产时良率是个问题。
3.3 滤波器（Filter）
滤波器的作用是选波长。在光学神经网络里，波长可以用来编码信息——每个波长代表一个数据通道，滤波器负责把它们分开或者合并。
硅光芯片上最常见的滤波器结构：
- 微环谐振器（MRR）：小尺寸、高品质因数（Q值可达10^4以上）、可调谐。缺点是工艺敏感，温度稳定性差。
- 马赫-曾德尔干涉仪（MZI）：结构稳定，周期性的滤波响应。可以做波分复用/解复用。
- 光栅滤波器：包括布拉格光栅、亚波长光栅等。带宽灵活，适合做带宽整形。
说到微环，我做过一个项目，要用微环做8通道的波长选择开关。设计时Q值设为5000，FWHM约0.3nm。流片回来后一测，所有谐振波长都往长波方向漂了2nm——因为二氧化硅上包层的厚度比设计值厚了50nm。还好微环上有钛酸钡热光调谐电极，加电压硬拉回来了。
微环滤波器的核心公式：
- 自由光谱范围：FSR = λ² / (n_g · L)
- 品质因数：Q = λ / FWHM
- 消光比：ER = 10·log₁₀(T_max/T_min)
其中L是环周长，n_g是群折射率。
MZI滤波器则更「皮实」一些。我在做光学神经网络时，用MZI来做权重矩阵的分解——通过级联多个MZI可以实现任意酉矩阵变换。这种方案叫「Reck分解器」，后来演变成了「Clements分解器」，是光学计算领域的经典结构。
3.4 三个元件的关系
讲到这里，你可能已经感觉到了——这三个元件不是孤立的。分束器负责「分」，耦合器负责「进出」，滤波器负责「选」。在光学神经网络里，它们组合起来才能完成计算任务。
图3.1：光学基本元件在神经网络中的协同工作流程
这张图展示了我设计光学神经网络时常用的信号流思路。光从外部光源进来，先经过耦合器「登船」，然后分束器分配到不同路径，计算层处理完后，滤波器挑选特定波长的结果送到检测器。同时，滤波器可以把波长信息「反馈」给前端，实现动态调谐。
3.5 工程配置示例
最后给一个实际配置参数参考——这是我在一个4通道光学MAC（乘累加）单元中使用的参数：
| 元件 | 类型 | 关键尺寸 | 目标性能 | 实际测试值 |
|---|---|---|---|---|
| 分束器 | 2×2 MMI | W=3.0μm, L=18.5μm | 分光比50:50, IL<0.5dB | 分光比50.3:49.7, IL 0.4dB |
| 耦合器 | 啁啾光栅 | 周期Λ=630nm, 刻蚀深度70nm | 耦合效率>50% @1530-1570nm | 耦合效率55%~62% |
| 滤波器 | 微环MRR | 半径R=10μm, 间隙g=200nm | Q>5000, ER>20dB | Q=5200, ER=22dB |
一点经验：千万别只看仿真结果。我做过的硅光流片，仿真和实测之间至少有10%~20%的偏差——主要是工艺偏差和材料折射率误差。保守的设计，加上充分的调谐余量，才是工程化的正道。
好了，这一章的内容就这么多。分束器、耦合器、滤波器——这三个元件搞明白了，后续的光学神经网络搭建就会顺畅很多。