本案例將Lumerical和HFSS在行波MZM調(diào)制器建模中的功能與optiSLang相結(jié)合，提供了強(qiáng)大的優(yōu)化能力以尋找最佳性能設(shè)計(jì)。

本案例建立在已有的硅波導(dǎo)建模實(shí)例（Ansys Lumerical 行波 Mach-Zehnder 調(diào)制器仿真分析）的基礎(chǔ)上，該示例由反向偏置 pn 結(jié)進(jìn)行相位調(diào)制，由 Al 共面?zhèn)鬏斁€驅(qū)動(dòng)。該示例的演示目標(biāo)是找到具有最佳品質(zhì)因數(shù)的設(shè)計(jì)，相移、損耗和速度失配等結(jié)果與所選輸入，摻雜和電極形狀等參數(shù)的函數(shù)關(guān)系。分立的器件電學(xué)、光學(xué)以及RF模型都將被導(dǎo)入到optiSLang當(dāng)中，并在optiSLang建立元模型，對(duì)大量輸入進(jìn)行優(yōu)化以找到最佳設(shè)計(jì)。此外，還可以將INTERCONNECT添加到optiSLang中計(jì)算誤碼率。

使用 MODE 計(jì)算在上述載流子的分布下，整個(gè)波導(dǎo)的損耗、群折射率以及等效折射率等。

變參僅僅針對(duì)調(diào)制器摻雜濃度和摻雜位置(n,p)，以及電極形狀等 6 個(gè)參數(shù)：

找到適當(dāng)數(shù)量的樣本很重要，器件級(jí)仿真運(yùn)行的次數(shù)與“Adaption”選項(xiàng)中指定的相同，增加仿真次數(shù)提升優(yōu)化后模型性能，但同時(shí)也增加完成優(yōu)化所需的時(shí)間，可以通過勾選“show advanced setting”來設(shè)置采樣選項(xiàng)，本例中選擇了“Advanced Latin Hypercube Sampling”，包含60個(gè)初始樣本，在局部CoP(預(yù)測(cè)系數(shù))和優(yōu)化標(biāo)準(zhǔn)的重要性之間采用70：30比例。此外，還設(shè)置了每次迭代12個(gè)樣本，至少6次迭代來生成元模型。運(yùn)行后，每個(gè)獨(dú)立設(shè)計(jì)的結(jié)果將記錄在“Result designs”中，元模型就生成了。

后處理結(jié)果的模型質(zhì)量記錄在CoP矩陣，基于統(tǒng)計(jì)的思想通過一個(gè)預(yù)測(cè)質(zhì)量的關(guān)鍵指標(biāo)預(yù)測(cè)系數(shù)（CoP - Coefficient of Prognosis）來評(píng)估對(duì)實(shí)際模型的預(yù)測(cè)質(zhì)量。CoP的值越大表明預(yù)測(cè)得到的模型準(zhǔn)確性更高。通常在二維或三維圖像基礎(chǔ)上，輔以各點(diǎn)的不同顏色配合色塊來說明各個(gè)參數(shù)對(duì)模型目標(biāo)函數(shù)的函數(shù)值的影響。每個(gè)輸入?yún)?shù)的總有效性用紅色表示，單擊這些值中的每一個(gè)也會(huì)更新3D曲面圖，代表輸出對(duì)指定輸入的依賴性。下圖是Vpi_Lpi作為n和p摻雜值的函數(shù)的例子：

從上述步驟，我們通過參數(shù)敏感性分析了解到我們創(chuàng)建的元模型可以準(zhǔn)確預(yù)測(cè)在優(yōu)化過程中的系統(tǒng)表現(xiàn)，因此可以繼續(xù)進(jìn)行后續(xù)大量的變參優(yōu)化步驟，以確定最佳設(shè)計(jì)。

如前所述，會(huì)有幾個(gè)設(shè)計(jì)都提示是最佳設(shè)計(jì)，因?yàn)樵贔OM之間必然會(huì)有妥協(xié)。根據(jù)模型需求或優(yōu)化優(yōu)先級(jí)的不同，最終的選擇可能不同。點(diǎn)擊任意一點(diǎn)都會(huì)更新對(duì)應(yīng)輸入值和結(jié)果繪圖，在這里我們可以看到對(duì)應(yīng)摻雜濃度、偏移量和電極參數(shù)確定值，以及所選最佳設(shè)計(jì)的對(duì)應(yīng)結(jié)果。

此外，本例中還能進(jìn)一步在參數(shù)求解系統(tǒng)中引入INTERCONNECT用以獲得誤碼率（BER），獲得的參數(shù)可以進(jìn)一步更新模型并將監(jiān)測(cè)與初始設(shè)計(jì)相比誤碼率的降低情況。