谢 锋，朱硕隆，张振荣

（广西大学 计算机与电子信息学院, 广西 南宁530004）

1 引 言

光功率分束器是纳米光子系统中常见且重要的一种器件，其主要作用是对功率进行合理配置，与其他光器件进行集成以满足多样化的功能需求，广泛应用在光网络、光通信等领域。传统的设计方案是采用理论解析的方式，即根据光学相关理论以及丰富的实践经验，推理出器件的结构组成，但该方式存在一定的局限性。随着纳米光子系统需求的不断扩大，这种传统方式由于计算复杂度高、耗时长，而且设计出的器件尺寸比较大，不利于进一步进行集成扩展，无法满足目前集成化、小型化的业界需求。

计算机的飞速发展大幅度提升了运算能力，纳米光子系统的很多新思路被提出并得以实现。其中，逆向设计是一种从结果逆推过程的新思路，其从结果目标逆向得到结构，可以提升设计效率，有效避免对解析理论的高度依赖，降低器件设计理论门槛。Tahersima, M H 等人[1]训练了一个深度学习神经网络，其在ResNet 网络模型中有效地学习宽带集成光功率分束器的设计结果，实现对纳米光子器件正向和反向建模。改变设计区域孔位置处的折射率会改变光功率分束器内部的局部折射率，影响光最终的传播路径，根据用户指定的分光比，生成对应的集成光功率分束器，但是需要收集约20 000 个光功率分束器的数据，数据量过大，耗时长，不利于快速实现。Yuan H 等人[2]基于硅和Ge2Sb2Se4Te1（GSST）的混合结构……