2. 光芯片基础：波导结构、材料体系、基本参数与传输模式

做光芯片设计，说白了就是在跟“光”打交道。但光怎么走，走多快，损耗多少，全看我们给它铺了一条什么样的路。这条路，就是波导。我个人习惯把波导看作是光芯片里的“导线”——没有它，光信号哪都去不了。

这一章我们来聊聊波导的结构、材料、基本参数，还有传输模式。这些都是后面搭建光学神经网络的基础，搞明白了这一步，后面才能算得准。

2.1 波导结构：光的“高速公路”

波导结构决定了光在芯片内部怎么被约束着走。你想想看，一块指甲盖大小的芯片上，光得拐弯、分束、耦合，没有合适的波导结构，这些事儿根本做不了。

2.1.1 脊形波导与条形波导

• 脊形波导（Ridge Waveguide）：在平坦的薄膜上刻出一条凸起的“脊”，光被限制在脊下方的区域。优点是与电极的集成度高，适合调制器。我在一个Mach-Zehnder干涉仪的项目中，就因为核心区硅波导的侧壁角度稍微偏了一点，导致分束比怎么都调不对。侧壁角度，通常要求大于80°。
• 条形波导（Strip/Channel Waveguide）：直接在衬底上刻出一个矩形截面的条。横向约束更强，转弯半径可以更小，但加工难度略高，侧壁粗糙度引入的散射损耗也更敏感。

2.1.2 嵌入型波导

这种结构把高折射率材料完全包在低折射率材料（比如SiO₂）里，形成一个“光缆”般的路径。好处是模式完全对称，利于光纤耦合。但坏处是散热差，不适合需要高光功率密度的场景。

2.2 材料体系：不同“路面”的摩擦系数

波导材料决定了光的损耗、调制效率、以及工作波段。我个人的经验是：选材料就是选“取舍”。

材料体系	折射率 (1550 nm)	核心优势	典型损耗 (dB/cm)	我的评价
SOI (Silicon-on-Insulator)	~3.48	高折射率差，超紧凑	1-3	适合大规模集成，但热光系数高，对温度敏感
SiN (Silicon Nitride)	~2.0	低损耗，可见光到近红外	<0.5	我特别喜欢拿它做延迟线，损耗是真的低
Polymer (聚合物)	1.5-1.7	高热光系数，柔性	5-15	适合做可调器件，但损耗略大
InP (磷化铟)	~3.17	有源集成（激光器、探测器）	2-5	成本高，但能做激光器，很多系统里绕不开

2.3 基本参数：读得懂“公路标识”

搞设计，不能光靠感觉。有几个参数你得刻在脑子里。

• 有效折射率 (n_eff)：这不是材料折射率，而是模式感受到的“等效”折射率。它决定了光在波导里的传播速度。为什么不是材料折射率？因为能量一部分在芯层，一部分在包层，所以n_eff介于两者之间。
• 群折射率 (n_g)：这是脉冲包络的传播速度。对于神经网络的脉冲信号处理，n_g比n_eff更关键。我记得在设计一个光脉冲时延单元时，直接用n_eff算延迟，结果差了20%。
• 模场直径 (MFD)：也就是光斑大小。两个波导对接时，MFD不匹配，耦合损耗就会上来。我建议在需要光纤耦合的地方，至少要保证MFD的匹配容差在10%以内。

2.4 传输模式：单模还是多模？

模式问题，是新手最容易踩坑的地方之一。为什么会这样？因为模式直接决定了信号的完整性。

2.4.1 单模与多模的条件

判断一个波导是单模还是多模，关键看归一化频率V，也叫V数：

V = (2πa/λ) * √(n_co² - n_cl²)

其中a是波导芯层半径（或半宽），λ是波长。当 V < 2.405 时，波导工作在单模状态；V越大，模式越多。

在光学神经网络里，绝大多数信号链路我都强烈推荐使用单模波导。多模波导虽然容纳的功率更大，但模式间的干涉会让信号质量变得不可预测。我曾经帮一个课题组的同学排查过问题，最后发现是两根波导的间距设计得太近了，单模变成了双模，产生了模式拍频。

2.4.2 模式场分布与有效折射率的关系

模式在波导横截面上的分布并非均匀。中心区域光强最强，边缘迅速衰减。

• TE模式：电场主要沿水平方向偏振。在SOI脊形波导中，TE模式通常更稳定，散射损耗相对更低。
• TM模式：电场主要沿垂直方向偏振。TM模式对波导侧壁粗糙度不那么敏感，但对上下包层的折射率波动更加敏感。

看看下面的代码示例，用Python计算一下最简单的平板波导的TE0模式场分布。这在设计初期快速评估截面尺寸时非常实用。

import numpy as np

def slab_mode_field(n_core, n_clad, width, wavelength):
    # 计算平板波导TE0模的有效折射率和场分布 (简化版)
    k0 = 2 * np.pi / wavelength
    V = (k0 * width / 2) * np.sqrt(n_core**2 - n_clad**2)
    if V < np.pi/2:
        print("单模条件满足 (V < pi/2)")
    else:
        print("警告：可能出现高阶模式")
    
    # 这里我们只返回一个象征性的n_eff
    n_eff = np.sqrt(n_clad**2 + (n_core**2 - n_clad**2) * (V/(V+1))**2)
    return n_eff

# 示例：SOI波导
n_core = 3.48
n_clad = 1.44
width = 0.5e-6
wavelength = 1.55e-6

neff = slab_mode_field(n_core, n_clad, width, wavelength)
print(f"有效折射率: {neff:.4f}")

这段代码虽短，但涵盖了模式分析最核心的逻辑：基于V数判定单模条件，然后用近似关系估算n_eff。实际工程中，我会用更严谨的有限差分法或模式匹配法，但它作为“一秒钟快速筛查”非常有价值。