本技术公开了一种基于侧向加热电极的低损耗非易失移相器、方法和应用。包括基底以及设置在所述基底之上的硅平板、加热电极和混合波导,硅平板布置在所述基底上表面,加热电极和混合波导均布置在硅平板上表面,加热电极和混合波导之间间隔距离布置;混合波导的两端分别作为移相器的输入端和输出端;混合波导包括硅波导和相变材料,硅波导和相变材料均沿传播方向布置在硅平板上面,相变材料嵌入于硅波导内,且混合波导侧面布置加热电极。本发明具有非易失性、移相范围大、低插入损耗、耐用性强等优点,可广泛适用于各类先进光学系统中。
背景技术
神经网络已经越来越广泛地应用于社会生活生产的各个方面,而神经网络的进一步发展需要更强大的算力支撑并降低能耗。目前,基于光计算技术开发的光学神经网络在计算带宽和能耗方面相较传统电学神经网络具有显著优势,被认为是一种能够大幅提升算力且节能的方案。移相器作为光计算技术的核心器件,是光计算基本单元(微环滤波器、马赫-曾德尔干涉仪)的基本组成部分,移相器性能的优劣与光计算基本单元性能的好坏直接相关,研制出性能优异的移相器对开发高性能光学神经网络具有重要意义。
硅具有热光系数大的特点,且硅掺杂工艺成熟完善,传统硅光移相器主要采用热光效应与载流子色散效应机制,此类移相器均为易失性移相器,一方面需要外部能量持续供给以维持相移状态,能耗比较大,另一方面热光效应或载流子色散效应产生的模式有效折射率变化小,因此传统移相器的尺寸相对比较大,不利于大规模集成。相变材料在晶态、非晶态具有显著的折射率差异,在晶态和非晶态之间还具有近乎连续的一系列中间状态,即折射率可以在一个范围内近乎连续地调整,且自身状态不需要外部能量维持,因此基于相变材料制作的移相器在大规模集成和能耗方面相较于传统移相器具有显著优势。
现有以透明导电材料为加热电极的相变材料移相器的相变材料部分与加热电极部分基本采用直接接触的方式,例如,CN116819844A公开了一种基于相变材料、透明导电材料ITO电极制备的MZI结构光子器件,其中移相器部分电极与相变材料直接接触。采用电极直接接触的加热方式时,加热电极产生的热量能够直接传递至相变材料,加热效率高,但是加热电极往往对光具有吸收性,即使是透明导电材料ITO,In2
O3
其折射率虚部也不完全为0,仍然会吸收小部分光,通常直接接触式加热电极引入的吸收损耗在0.2dB以上。神经网络往往具有多层结构,单个器件引入的损耗会逐层叠加,叠加损耗过高将导致系统中的光能量将达不到进行非线性运算所需的阈值,且降低光计算的运算精度,而难以实现大规模神经网络。基于相变材料的非易失器件需要耐久度足够高以支持足够多的可重构次数,对于可商用而言,可重构次数应达到十万次甚至一百万次。对于加热电极直接接触相变材料的加热方式,由于相变材料中不同元素的电负性不同,电流区域与相变材料直接接触会导致相变材料出现电迁移,即负电性元素向阳极迁移,正电性元素向阴极迁移,导致元素偏析,损坏相变材料。此外,加热电极直接接触时,电极区中心温度往往显著高于四周温度,温度不均容易导致相变材料发生热泳现象而产生形变,破坏相变材料薄膜的形貌,损伤相变材料并降低器件工作性能,且相变材料在非晶化过程中需要经历固态融化为液态再迅速冷却为固态的过程,此过程中会对外产生应力,容易损伤加热电极,降低移相器的使用寿命。
实现思路