光场VS数据：反向传播加速薄膜检测
2022-12-06 06:06:16, LAM新媒体
上海复享光学股份有限公司
已知微纳结构各个特征的尺寸大小，需要计算其光学响应，这类问题通常被称为光学正问题。光学正问题所对应的研究方法为从结构到光学响应的电磁仿真计算与相关实验表征技术。相反，如果已知光学响应，需要推测其微纳结构各个特征的尺寸大小，这类问题通常被称为光学逆问题，如光学检测技术与光学逆向设计都属于光学逆问题的研究范畴。对于逆问题的求解，其中的关键在于如何构建从光学响应到目标结构特征的映射关系并进行参数优化。近日，复旦大学光子晶体课题组解析补全了薄膜模拟计算中使用的传输矩阵所对应的反向传播过程，并将其用于薄膜逆问题的求解上。在此前逆问题常规求解思路—训练神经网络构建映射关系—的基础上，提出了另一种构建从光学响应到目标结构特征映射关系的可能思路，该思路同时意味着光子晶体对光场的调制与神经网络对数据的处理具有整体的结构相似性，以及各个组成部分具有相似的功能与一一对应关系。该研究成果以“Thin-film neural networks for optical inverse problem”为题在线发表在 Light: Advanced Manufacturing。对于目前实际工业应用的薄膜光学检测技术，相关薄膜检测公司常用参数微扰差分获取梯度，并结合Levenburg-Marquardt算法构建映射关系进行在线优化。当检测薄膜中优化参数太多时如上百层薄膜，为获取梯度该微扰差分方法将在一次迭代中进行上百次电磁仿真计算，如图1所示。![]()
图1. 微扰方法获取梯度进行薄膜逆向问题求解(上百层薄膜实例)对于目前科研上广泛研究的微纳结构逆向设计问题，常规解决策略是通过训练神经网络学习Maxwell方程构建映射关系进行微纳结构参数优化。当设计一些复杂结构优化参数太多时，其常常面临需要构建大量数据集来训练神经网络，需要较长时间进行前期准备，神经网络难以训练以及训练结果精度较差等问题，如图2所示。![]()
图2. 训练神经网络方法获取梯度进行薄膜逆向问题求解(上百层薄膜实例)近年来全光衍射神经网络方面的等一系列工作在多层微纳结构与多层神经网络之间通过结构相似性建立联系，通过反向传播过程优化相关参数，一些神经网络训练任务，如识别MINIST手写体数字集、人体姿态识别等，可以以很高的精度用全光神经网络来替代完成。从本质上来说，光学逆问题的求解过程即是建立映射关系并进行微纳结构参数优化的过程。故该研究将全光神经网络中对比神经网络与微纳结构相似性的思想引入到光学逆向问题的求解中。与此前训练人工神经网络求解逆向问题相比，该研究直接将逆向问题研究主体多层薄膜视为神经网络构建映射关系进行优化训练过程，如图3所示。![]()
图3. 直接将逆向问题研究主体视为神经网络构建映射关系通过对比二者结构的相似性，该研究指出薄膜界面处的光场行为与层内的光场行为与神经网络中在权重层的数据行为与在神经元节点处的数据行为具有高度相似性，如图4所示。同时，该研究指出此种相似性可以从薄膜推广到更一般的光子晶体对光场的调制与神经网络对数据的处理具有整体的结构相似性，以及各个组成部分具有相似的功能与一一对应关系。![]()
该研究将此项技术用于多层膜快速检测中，相比于传统微扰差分以及训练神经网络的方法。此技术构建的映射关系能极大的缩短优化所需时间，并且无需前期准备数据集进行神经网络训练学习Maxwell方程，以及直接构建在精确电磁仿真计算的映射关系保证了光谱结果的精确，如图5所示。![]()
该研究解析补全了薄膜模拟计算中使用的传输矩阵所对应的反向传播过程，并将其用于薄膜的逆问题求解上。从科学意义上，在此前逆问题求解思路—训练神经网络—的基础上，该研究提出了逆问题求解另一个可能的研究思路，同时该研究指出了光子晶体对光场调制与神经网络对数据处理的内在联系。在实际应用上，该研究提出了一种提高薄膜检测速度的方案，基于该项技术与算法，可开发具有更快速度和更多参数的膜厚检测设备用于常规薄膜检测以及3D NAND多层膜检测中，如图6所示，相关商用设备正在和上海复享光学股份有限公司联合研发中。![]()
文章信息：
Fan et al. Light: Advanced Manufacturing (2021)2:27
https://doi.org/10.37188/lam.2021.027
本文的共同第一作者为复旦大学硕士研究生范灵杰，上海微纳制程智能检测工程技术研究中心陈昂博士和复旦大学博士研究生李同宇，通讯作者为复旦大学石磊教授，资剑教授。复旦大学与上海复享光学股份有限公司联合成立的上海微纳制程智能检测工程技术研究中心致力于发展新型光学检测技术，并将其应用于光电领域与半导体领域的微纳制程检测中。
