Extracción del ancho de guías asistida por DNN mediante medida óptica de un único interferómetro Mach‑Zehnder de bajo orden

Por qué importa medir caminos de luz minúsculos

En los centros de datos y en los futuros ordenadores cuánticos que transportan información con luz en lugar de electricidad, unos trazos de vidrio tan finos como un cabello llamados guías de onda dirigen esa luz por el chip. El ancho exacto de esos trazos resulta crucial: cambiarlo en apenas unos pocos nanómetros puede alterar el comportamiento de la luz lo suficiente como para afectar la velocidad, el consumo de energía o la calidad de la señal. Sin embargo, verificar esas dimensiones suele implicar cortar los chips y examinarlos con microscopios costosos. Este estudio presenta una forma más rápida y no destructiva de “leer” el ancho de la guía usando solo una estructura óptica simple y un modelo de aprendizaje profundo.

La luz como regla en el chip

Los autores parten de un dispositivo clásico de la óptica llamado interferómetro Mach–Zehnder, que divide un haz de luz en dos caminos y luego los recombina. Si un camino difiere aunque sea ligeramente del otro, la luz saliente forma un patrón distintivo de franjas claras y oscuras a lo largo de distintos colores, parecido a las ondulaciones que ves cuando dos juegos de olas se encuentran en el agua. Porque ese patrón es sensible a cómo se confina la luz en una guía de onda, codifica indirectamente información sobre el ancho de la guía. El equipo diseña una versión particularmente compacta de este interferómetro en una plataforma de fotónica de silicio, con los dos brazos idénticos salvo por una diferencia de longitud muy pequeña de solo 26,672 micrómetros, mucho más corta que las estructuras que se usan normalmente para estas medidas.

Convertir espectros complejos en dimensiones simples

En lugar de apoyarse en fórmulas tradicionales de ajuste de curvas, que fallan cuando la física se vuelve fuertemente no lineal, los investigadores recurren a una red neuronal profunda. Primero usan simulaciones por computador para mostrar cómo cambian las propiedades ópticas efectivas de la guía con la longitud de onda y el ancho dentro de rangos de fabricación realistas. A partir de estas simulaciones generan un gran conjunto de espectros de ejemplo emparejados con sus anchos reales y emplean esa base de datos para entrenar una red neuronal totalmente conectada que actúe como modelo inverso: dada la respuesta óptica, predice el ancho físico. El modelo entrenado alcanza un impresionante error absoluto medio de solo 0,15 nanómetros en datos simulados no vistos, lo que indica que ha capturado la relación intrincada entre espectro y geometría mucho más allá de lo que expresan fácilmente polinomios simples.

De las mediciones de laboratorio a dispositivos reales

Para probar el método en la práctica, el equipo fabrica 30 interferómetros en una oblea estándar de silicio sobre aislante, con anchos reales de las guías distribuidos en un rango de ±20 nanómetros alrededor del valor de diseño. Iluminan cada pequeña estructura con un láser sintonizable y registran el espectro transmitido en la banda C de telecomunicaciones. Localizando con cuidado valles oscuros específicos en el patrón y estimando la separación entre esos valles, determinan un par de cantidades ópticas —índice efectivo e índice de grupo— que en conjunto identifican qué orden de franja están observando. Estos valores se introducen en la red neuronal previamente entrenada, que devuelve un ancho físico predicho para cada dispositivo, todo ello sin necesidad de seccionar el chip.

Qué tan cerca está de un microscopio

Los autores comparan entonces estas predicciones ópticas con medidas directas hechas con un microscopio electrónico de barrido, que sirve como referencia de oro. En los 30 dispositivos, el nuevo método logra un error medio de solo 3,28 nanómetros, con el peor caso todavía por debajo de 6,7 nanómetros. El estudio analiza además de dónde provienen las discrepancias restantes, atribuyéndolas a incertidumbres rutinarias en las mediciones espectrales, ligeras variaciones en el ángulo de las paredes laterales de la guía y pequeños cambios en el espesor de capas que no se incluyeron en las simulaciones de entrenamiento. Incluso teniendo en cuenta estas imperfecciones del mundo real, el enfoque demuestra ser robusto y lo bastante preciso para monitorizar cómo de bien se mantiene un proceso de fabricación dentro de las dimensiones objetivo.

Estructuras de prueba más pequeñas, control más inteligente

Combinando un único interferómetro muy compacto con un modelo de aprendizaje profundo entrenado con simulaciones realistas, este trabajo muestra que los fabricantes de chips pueden leer rápida y no destructivamente los anchos de las guías con una precisión próxima a la de un microscopio. Eso significa que pueden detectar desviaciones en pasos de litografía o grabado en minutos desde que la oblea sale de la línea, en lugar de esperar a la imagen fuera de proceso. La misma estrategia podría ampliarse para rastrear varios parámetros geométricos a la vez, simplemente enriqueciendo los datos de entrenamiento y añadiendo más características ópticas. A más largo plazo, esta metrología asistida por IA puede convertirse en una herramienta de retroalimentación clave para construir circuitos fotónicos más densos y fiables que transporten los datos del mundo mediante haces de luz.

Cita: 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

Palabras clave: fotónica de silicio, metrología de guías de onda, interferómetro Mach‑Zehnder, redes neuronales profundas, caracterización óptica