DNN-unterstützte Bestimmung der Wellenleiterbreite durch optische Messung eines einzelnen niederordnigen Mach‑Zehnder-Interferometers

Warum das Messen winziger Lichtwege wichtig ist

In Rechenzentren und den künftigen Quantencomputern, die Information mit Licht statt mit Elektrizität transportieren, lenken haarfeine, glasähnliche Bahnen namens Wellenleiter das Licht über einen Chip. Die exakte Breite dieser Bahnen ist entscheidend: ändert sie sich nur um einige Milliardstel Meter, kann sich das Verhalten des Lichts so stark verändern, dass Geschwindigkeit, Energieverbrauch oder Signalqualität leiden. Üblicherweise erfordert die Kontrolle dieser Abmessungen jedoch das Aufschneiden von Chips und die Betrachtung mit teuren Mikroskopen. Diese Studie stellt eine schnellere, zerstörungsfreie Methode vor, die Wellenleiterbreite allein mit einer einfachen optischen Prüfstruktur und einem tiefen Lernmodell „ausliest“.

Licht als Lineal auf dem Chip

Die Autoren setzen auf ein klassisches optisches Bauelement, das Mach–Zehnder-Interferometer, das einen Lichtstrahl in zwei Wege aufteilt und anschließend wieder vereint. Wenn sich ein Weg auch nur geringfügig vom anderen unterscheidet, bildet das austretende Licht ein charakteristisches Muster aus hellen und dunklen Streifen über verschiedene Farben hinweg, ähnlich den Wellenmustern, die entstehen, wenn sich zwei Wasserwellen überlagern. Da dieses Muster empfindlich darauf reagiert, wie stark das Licht in einem Wellenleiter gebunden ist, kodiert es indirekt Informationen über die Breite des Wellenleiters. Das Team entwirft eine besonders kompakte Variante dieses Interferometers auf einer Silizium‑Photonik‑Plattform, bei der die beiden Arme bis auf einen sehr kleinen Längenunterschied von nur 26,672 Mikrometern identisch sind — deutlich kürzer als die üblicherweise für solche Messungen verwendeten Strukturen.

Komplexe Spektren in einfache Dimensionen übersetzen

Anstatt sich auf traditionelle Kurvenanpassungsformeln zu stützen, die bei stark nichtlinearer Physik an ihre Grenzen stoßen, greifen die Forschenden auf ein tiefes neuronales Netzwerk zurück. Zuerst verwenden sie Computersimulationen, um zu zeigen, wie sich die effektiven optischen Eigenschaften des Wellenleiters mit Wellenlänge und Breite innerhalb realistischer Herstellungsbereiche ändern. Aus diesen Simulationen generieren sie eine große Menge Beispielspektren, gekoppelt an die jeweiligen wahren Breiten, und nutzen diese Datenbank, um ein vollständig verbundenes neuronales Netzwerk als inverses Modell zu trainieren: Aus dem optischen Verhalten sagt es die physikalische Breite voraus. Das trainierte Modell erreicht auf nicht gesehenen simulierten Daten einen beeindruckenden mittleren absoluten Fehler von nur 0,15 Nanometern und zeigt damit, dass es die komplexe Beziehung zwischen Spektrum und Geometrie weit über das hinaus erfasst, was einfache Polynome gut ausdrücken können.

Von Laboraufnahmen zu realen Bauteilen

Um die Methode praktisch zu prüfen, fertigt das Team 30 Interferometer auf einer standardmäßigen Silizium‑auf‑Isolator‑Wafer, wobei die tatsächlichen Wellenleiterbreiten über einen Bereich von ±20 Nanometern um den Entwurfswert verteilt sind. Sie schicken einen abstimmbaren Laser durch jede der winzigen Strukturen und zeichnen das übertragene Spektrum im Telekommunikations‑C‑Band auf. Durch sorgfältiges Lokalisieren bestimmter dunkler Täler im Muster und Abschätzen ihres Abstands bestimmen sie ein Paar optischer Größen — effektiver Index und Gruppenindex — die zusammen die beobachtete Interferenzordnung identifizieren. Diese Werte werden in das vortrainierte neuronale Netzwerk eingespeist, das für jedes Bauteil eine vorhergesagte physikalische Breite liefert, ganz ohne Eingriff in den Chip.

Wie nahe es einem Mikroskop kommt

Die Autoren vergleichen diese optischen Vorhersagen anschließend mit direkten Messungen eines Rasterelektronenmikroskops, das als Goldstandard dient. Über die 30 Bauteile erzielt die neue Methode einen durchschnittlichen Fehler von nur 3,28 Nanometern, wobei der schlechteste Fall immer noch unter 6,7 Nanometern liegt. Die Studie analysiert ferner die Ursachen der verbleibenden Abweichungen und schreibt sie routinemäßigen Unsicherheiten in den Spektral­messungen, leichten Variationen im Winkel der Wellenleiterseitenwände und winzigen Änderungen der Schichtdicken zu, die in den Trainingssimulationen nicht enthalten waren. Selbst unter Berücksichtigung dieser realen Unvollkommenheiten erweist sich der Ansatz als robust und genau genug, um zu überwachen, wie gut ein Herstellungsprozess seine Zielmaße einhält.

Kleinere Prüfstrukturen, intelligentere Kontrolle

Indem ein einzelnes, sehr kompaktes Interferometer mit einem auf realistischen Simulationen trainierten Tiefenlernmodell kombiniert wird, zeigt diese Arbeit, dass Chip-Hersteller Wellenleiterbreiten schnell und zerstörungsfrei mit annähernd mikroskopischer Präzision auslesen können. Das bedeutet, dass sie Abweichungen in Lithographie- oder Ätzschritten innerhalb von Minuten nach Verlassen der Fertigungsstraße erkennen können, statt auf nachgelagerte Bildgebung warten zu müssen. Die gleiche Strategie ließe sich erweitern, um mehrere geometrische Parameter gleichzeitig zu verfolgen, indem man die Trainingsdaten anreichert und mehr optische Merkmale hinzufügt. Langfristig könnte eine solche KI‑gestützte Metrologie zu einem wichtigen Rückkopplungswerkzeug werden, um dichtere und zuverlässigere photonische Schaltungen zu bauen, die die Daten der Welt mit Lichtstrahlen transportieren.

Zitation: Wang, F., You, H., Xu, X. et al. DNN-assisted waveguide width extraction via optical measurement of a single low-order Mach-Zehnder interferometer. Sci Rep 16, 12260 (2026). https://doi.org/10.1038/s41598-026-41085-2

Schlüsselwörter: Siliziumphotonik, Wellenleitermetrologie, Mach‑Zehnder-Interferometer, tiefe neuronale Netze, optische Charakterisierung