物理光学-文献订阅-重庆大学图书馆

TCL L32A71C型液晶电视光栅时有时无故障检修

刘祥平

不详

来源详细信息

利用粒子群优化演算法设计符合IMEC制程限制的三阶段高效率光栅耦合器

詹尊扬

国立台湾大学

来源详细信息

关键词： 高效率光栅耦合器最小线宽次波长光栅耦合器三阶段蚀刻 L 型光栅 IMEC 绝缘上矽 SMF-28 矽光子学

摘要： 本篇论文的目的是设计出符合IMEC矽光子制程代工厂之技术规范与其最小线宽限制，并用于将C-Band 波段由SMF-28单模光纤入射之TE极化光场耦合进入矽光子波导之高效率光栅耦合器。在此高效率光栅耦合器的结构设计方面，本论文将各个光栅周期分为四个等分的小区块，运用次波长光栅结构 (Sub-wavelength Grating) 之等效介质折射率概念，在小区块中填入适当的宽度方向次波长光栅结构，依序使其各小区块之等效介质折射率对应于L型光栅的设计特性，其中次波长光栅结构采用单阶段及三阶段蚀刻之截面结构以提供不同的设计自由度，在元件特性模拟方面，本论文使用商用光学模拟软体Lumerical来模拟光场在元件中的传播情形，并透过粒子群演算法对光栅耦合器的光栅周期、小区块折射率、单阶段或三阶段蚀刻深度之不同组合、上下包覆层采用二氧化矽或是空气之组合、宽度方向次波长光栅结构之填空比等参数进行优化。为了简化模拟流程、减少计算时间，首先假设光栅耦合器宽度方向为无限延伸之二维等价结构，因此可将光栅耦合器的设计使用二维时域有限差分法 (2-D FDTD) 模拟，借此设计出四组不同设计参数的元件，并针对此简化后之设计命题进行初步的设计参数优化。模拟结果显示其中有两组不同的设计皆可得到高耦合效率，分别是元件三和元件四。元件三 (二维等价)：考量未来IMEC可提供蚀刻去除下包覆层且最小线宽可缩减至130 nm、上包覆层为二氧化矽且其中包含一层氮化矽、下包覆层为空气的制程条件下，针对1554 nm之TE极化入射之光纤模态场的耦合效率为86.2%，1-dB频宽约为37 nm，3-dB频宽约为71 nm。元件四 (二维等价)：考量最小线宽为150 nm为制程限制、上包覆层若为二氧化矽且其中包含一层氮化矽、下包覆层为二氧化矽的制程条件下，针对1550 nm之TE极化入射之光纤模态场的耦合效率为85%，1-dB频宽约为39 nm，3-dB频宽约为71 nm。以二维等价命题得到的两组不同制程条件之优化设计之后，本论文进一步透过有限差分特征模态求解器 (Finite Difference Eigenmode) 的辅助，将二维等价命题转换回三维结构之命题，其各小区块之宽度方向采用不同填空比之次波长光栅结构取代，并使其等效介质折射率等同于二维等价命题之优化后的介质折射率，最后采用三维时域有限差分法 (3-D FDTD) 模拟此完整的三维光栅耦合器结构之耦合效率。结果显示两组采用次波长光栅之三维光栅耦合器依然可以得到高耦合效率。元件三(三维次波长光栅)：下包覆层空气，针对1554 nm之TE极化入射之光纤模态场的耦合效率为83.2%，1-dB频宽约 40 nm且3-dB频宽为76 nm。元件四(三维次波长光栅)：下包覆层为二氧化矽，针对1550 nm之TE极化入射之光纤模态场的耦合效率为其峰值耦合效率约为83%，1-dB频宽为 43 nm且3-dB频宽为74 nm。本论文亦针对光纤对准误差及制程误差容忍度进行分析，对两种元件设计而言，当光纤入射角度朝x方向变化时，若Δθx = +5°，其频谱蓝移约30 nm，若Δθx = －5°，其频谱红移约40 nm，原峰值波长维持44%以上的耦合效率。在两种元件设计中，当光纤入射角度朝z方向变化，不论是正方向或负方向频谱皆为蓝移现象，元件三之频谱蓝移约30 nm，元件四频谱蓝移约50 nm，若Δθz = ±5°，效率降至约34%。在两种元件设计中，当光纤入射位置在x方向平移ΔPx = ±2 μm，原峰值波长可维持在65%以上的耦合效率；入射位置在z方向平移 ΔPz = ±2 μm，原峰值波长仍可维持80%以上的耦合效率。对元件三而言，制程误差若造成光栅周期在x方向有些微的缩放时，若ΔΛx = +5 nm，其频谱红移约38 nm，原本的峰值效率会下降至42%，若ΔΛx = －5 nm时，其频谱红移约30 nm，原本的峰值效率会下降至54%；对元件四而言，若ΔΛx = +5 nm，其频谱红移约35 nm，原本的峰值效率会下降至40%，若ΔΛx = －5 nm，其频谱蓝移约33 nm，原本的峰值效率会下降至42%。在两种元件中，若光栅在z方向上之次波长光栅的周期有些微的缩放时，会有下列影响，若ΔΛz = ±5 nm，效率仍能维持81%以上的效率，而频谱偏移5 nm，此误差变化对效率影响甚小。制程误差若是造成总体光栅结构在厚度方向d的些微缩放，对元件三而言，其影响如下，若Δd = +20 nm，其频谱红移约29 nm，原本的峰值效率会下降至43%，若Δd = －20 nm，其频谱蓝移约32 nm，原本的峰值效率会下降至48%；对元件四而言，若Δd = +20 nm，其频谱红移约34 nm，若Δd = －20 nm，其频谱蓝移约32 nm，原本

使用过滤器修剪法和稀疏张量核心加速卷积神经网路

魏宏轩

国立台湾大学

来源详细信息

关键词： 模型压缩过滤器修剪卷积神经网路机器学习稀疏张量核心

摘要： 卷积神经网路在机器学习领域中的电脑视觉相关应用是一项十分进步的科技且在准确率有良好的表现。为了达到更好的准确率，卷积神经网路模型中的参数数量快速增加。因此模型用于训练和预测的时间和使用记忆体空间皆增加，导致缩小模型和增进预测时间两项皆成为卷积神经网路的关键议题。本论文着重于运用过滤器修剪法和 NVIDIA 的稀疏张量核心来优化问题的解决方法。过滤器修剪是一种模型压缩的技术，它评估卷积神经网路模型中所有过滤器重要性并修剪其中不重要的部分。Nvidia 的稀疏张量核心是一种用于卷积神经计算的 NVIDIA Ampere 图形处理器架构中的特殊硬体，它能加速符合二比四格式的矩阵乘法。本论文提出卷积神经网路的混合修剪法。混合修剪法结合过滤器修剪法以及二比四修剪法。我们使用过滤器修剪法来减小模型大小。接着我们使用二比四修剪法让模型可以运行于稀疏张量核心以加速。在我们的混合修剪法中，我们提出了两个混合指标来决定修剪的过滤器。我们的混合指标同时考虑过滤器修剪法以及二比四修剪法并保留下较为重要的过滤器而让模型比起传统的过滤器修剪法有更高的准确率。我们的实验执行混合修剪法在应用于 MNIST, SVHN, CIFAR-10 资料集的 AlexNet 模型上。从实验的结果中我们发现混合指标比起传统的输入一级正规化指标和输出一级正规化指标都更能使模型达到更好的正确性。当我们修剪掉百分之四十的过滤器后，混合修剪法得到的模型其准确率在这三个资料集上比起使用传统的输入一级正规化指标和输出一级正规化指标还要高出百分之二点八到三点三，百分之二点九到三点五和百分之二点五到二点七。我们的实验也测量修剪后模型的预测时间。除此之外，我们的实验比较混合修剪发以及过滤器修剪法它们修剪后的模型，发现我们的模型速度是传统过滤器修剪法的模型的速度的一点三倍且有相近的准确率。

教学评价“五变”促“双减”工作实施

陈志坚

玉溪第一小学

来源详细信息