L'avènement de la photonique intégrée a attiré beaucoup de recherche et d'attention industrielle au cours des deux dernières décennies, plusieurs croyant qu'il s'agit d'une révolution équivalente à la microélectronique. Tout en tirant parti des procédés de fabrication de masse hérités de la microélectronique, la photonique sur silicium est compacte, éconergitique et permet l'intégration complète de dispositifs et de circuits photoniques à l'échelle nanométrique pour des applications cruciales dans les télécommunications, la détection et le calcul optique. À l'instar des débuts de la microélectronique, les efforts de recherche actuels en photonique sur silicium sont principalement consacrés à la proposition, à la conception et la caractérisation de composants standardisés en vue d'une éventuelle intégration de masse dans des circuits photoniques. Les principaux défis associés à ce développement comprennent la complexité de la théorie électromagnétique dans le fonctionnement des dispositifs, les variations et les non-uniformités du procédé de fabrication limitant les performances, et les ressources informatiques considérables nécessaires pour modéliser avec précision des circuits photoniques complexes. Dans ce mémoire, ces trois limitations sont abordées sous forme de contributions de recherche originales. Basées sur des dispositifs photoniques sur silicium et l'apprentissage machine, les contributions de ce mémoire concernent toutes les réseaux de Bragg intégrés, dont le principe de fonctionnement de base est la réflexion optique sélective en fréquence. Premièrement, un nouveau filtre optique double-bande basé sur les réseaux de Bragg multimodes est introduit pour des applications dans les télécommunications. Deuxièmement, une nouvelle architecture de filtre accordable basée sur un coupleur contra-directionnel à étage unique avec un dispositif de micro-chauffage segmenté permettant des profils de température arbitraires démontre une accordabilité de la bande passante record et des capacités de compensation des erreurs de fabrication lorsqu'opérée par un algorithme de contrôle. Troisièmement, un modèle d'apprentissage machine basé sur un réseau de neurones artificiels est introduit et démontré pour la conception de coupleurs contra-directionnels et le diagnostic de fabrication, ouvrant la voie à la production de masse de systèmes photoniques intégrés basée sur les données. / The advent of integrated photonics has attracted a lot of research and industrial attention in the last two decades, as it is believed to be a hardware revolution similar to microelectronics. While leveraging microelectronics-inherited mass-production-grade fabrication processes for full scalability, the silicon photonic paradigm is compact, energy efficient and allows the full integration of nano-scale optical devices and circuits for crutial applications in telecommunications, sensing, and optical computing. Similar to early-day microelectronics, current research efforts in silicon photonics are put toward the proposal, design and characterization of standardized components in sights of eventual black-box building block circuit design. The main challenges associated with this development include the complexity of electromagnetic theory in device operation, the performance-limiting fabrication process variations and non-uniformities, and the considerable computing resources required to accurately model complex photonic circuitry. In this work, these three bottlenecks are addressed in the form of original research contributions. Based on silicon photonic devices and machine learning, the contributions of this thesis pertain to integrated Bragg gratings, whose basic operating principle is frequency-selective optical transmission. First, a novel dual-band optical filter based on multimode Bragg gratings is introduced for applications in telecommunications. Second, a novel tunable filter architecture based on a single-stage contra-directional coupler with a segmented micro-heating device allowing arbitrary temperature profiles demonstrates record-breaking bandwidth tunability and on-chip fabrication error compensation capabilities when operated by a control algorithm. Third, an artificial neural network-based machine learning model is introduced and demonstrated for large-parameter-space contra-directional coupler inverse design and fabrication diagnostics, paving the way for the data-driven mass production of integrated photonic systems.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/71172 |
| Date | 02 February 2024 |
| Creators | Cauchon, Jonathan |
| Contributors | Shi, Wei |
| Source Sets | Université Laval |
| Language | English |
| Detected Language | French |
| Type | mémoire de maîtrise, COAR1_1::Texte::Thèse::Mémoire de maîtrise |
| Format | 1 ressource en ligne (xii, 79 pages), application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0024 seconds