Efficient layout-aware statistical analysis for photonic integrated circuits
Notice bibliographique
Résumé
Fabrication variability significantly impacts the performance of photonic integrated circuits (PICs), which makes it crucial to quantify the impact of fabrication variations before the final fabrication. Such analysis enables circuit and system designers to optimize their designs to be more robust and obtain maximum yield when designing for manufacturing. This work presents a simulation methodology, Reduced Spatial Correlation Matrix-based Monte-Carlo (RSCM-MC), to efficiently study the impact of spatially correlated fabrication variations on the performance of PICs. First, a simple and reliable method to extract physical correlation lengths, variability parameters that define the inverse of the spatial frequencies of width and height variations over a wafer, is presented. Then, the process of generating correlated variations for MC simulations using RSCM-MC methodology is presented. The methodology generates correlated variations by first creating a reduced correlation matrix containing spatial correlations between all the circuit components, and then processing it using Cholesky decomposition to obtain correlated variations for all circuit components. These variations are then used to conduct MC simulations. The accuracy and the computation performance of the proposed methodology are compared with other layout-dependent Monte-Carlo simulation methodologies, such as Virtual wafer-based Monte-Carlo (VW-MC). A Mach-Zehnder lattice filter is used to study the accuracy, and a second-order Mach-Zehnder filter and a 16x16 optical switch matrix system are used to compare the computational performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».