石墨烯增强型双栅极电光微环调制器：一种光学神经网络设计

《Optics & Laser Technology》：Graphene-enhanced dual-gate electro-optic micro-ring modulator: An optical neural network design

　　

# 双栅微环将石墨烯与Z形硅PN结集成，实现复数光学调制

- 双栅微环将石墨烯与Z形硅PN结集成。
- Z形结中的载流子重分布实现了高效的Δn调谐。
- 石墨烯静电调谐同时影响Δn和Δk。
- 双栅偏压实现了对Δn和Δk的同时控制。
- 该平台支持集成光子学中的复数值光学调制。

## 引言

光学计算已成为克服传统电子系统在高速和高吞吐量应用中的局限性的一种极具吸引力的解决方案。凭借其固有的特性——超快信号传播、低功耗、大规模并行处理和超宽带宽——光学系统非常适合满足下一代计算平台的需求[1,2,3,4,5,6,7,8,9,10,11,12,13]。近年来，推动光学处理器发展的最强动力之一是人工智能应用的兴起所不断增长的计算需求，包括自动驾驶[14]、自然语言处理[15]、大语言模型[16]和边缘计算[17]。这些任务需要越来越多的计算资源、低延迟和高效的数据移动。可调光学硬件在应对这些挑战方面具有独特优势，尤其是在芯片级别与可扩展架构集成时[18,19,20,21,22,23,24,25]。

过去十年间，硅光子学（SiPh）取得了长足进展，使其成为芯片级光学集成的优秀选择。共封装光学（CPO）技术通过在相同衬底上优化电子和光子器件，使其更加出色，从而缩短了连接长度并减少了能耗[26,27]。硅波导的高折射率对比度实现了强光约束，支持高性能基于微环的调制器，微环调制器是光子电路中最重要的组件之一。这些器件之所以独特，是因为它们可以被非常精确地调谐（电光调谐或热光调谐），体积小、功耗低，并且与互补金属氧化物半导体（CMOS）工艺兼容。此外，它们还利用波分复用（WDM），为高密度光学互连提供了可扩展的解决方案。

硅结构中的电光调制通常通过自由载流子色散效应实现，包括载流子注入、积累或耗尽[28,29,30]。材料的动态光学控制对集成光子学和自由空间光学都具有重要意义，因为它开启了各种应用，如可编程器件[31,32,33,34]、功率隔离[35,36]以及时变光谱操控[37,38]等。每种方法在速度、效率和制造复杂度方面都存在权衡。载流子注入通常可提供较大的谐振偏移（Δn≈10?2）[29]，但受限于载流子寿命，带宽低于约10 GHz；积累模式可实现更快的速度（约30–40 GHz），Δn约为10?3[28]；而耗尽模式调制器则在较小的折射率变化（Δn≈10??–10?3）下提供最高的带宽（>50 GHz），并实现超低驱动能量（<1 pJ/bit）[39]。我们提出的Z形双栅配置在效率和速度之间取得了平衡，将PN结中的基于耗尽的调制与石墨烯电吸收相结合，可提供高达90 GHz的电门响应带宽，同时保持紧凑的占用面积。结合微环腔的光子寿命限制，整个谐振器件的最终腔感知电光带宽预计约为50 GHz量级。

对于调制效率为主要关注的应用场景，通常需要更长的耗尽区来增强光学模式与载流子分布之间的重叠。为此已提出了垂直型、L型和U型PN结设计[39]。其中，U型结提供了最高的调制效率（Vπ·L=0.46 V·cm），但也引入了最大的结电容（BW = 13.5 GHz），几乎是L型和Z型配置的（BW ≈ 50 GHz）的两倍，如文献[39]所述。因此，U型几何结构更适合低速、高效率应用。

相比之下，我们的实现采用Z形结在调制效率和RC时间限制带宽之间取得平衡。这种架构缓解了传统设计中存在的权衡，为硅光子学中高速、低功耗和高效的电光调制提供了一条有前景的途径。

除了硅中的自由载流子色散效应外，石墨烯的宽带光吸收可以通过电门控进行控制：通过移动电子费米能级，可以动态调谐石墨烯的光学跃迁[40,41]。这种在体材料中未观察到的强电吸收效应源于石墨烯独特的电子结构和其二维特性。因此，石墨烯在光致电吸收调制器中作为活性介质展现出巨大的潜力[42]。然而，基于石墨烯的直接调制器的一个关键挑战在于单层石墨烯固有的低吸收。这一限制可以通过将石墨烯与光学波导集成来解决，通过倏逝场耦合显著增强光-物质相互作用。

与铁电体、相变材料（PCM）或MOSCAP结构等其他可调材料平台相比，石墨烯提供了超快亚皮秒载流子动力学、实部和虚部折射率成分的连续模拟可调谐性以及原子级厚度下与CMOS工艺的简单兼容性。这些特性使其能够在紧凑的占用面积内实现高速调制（>100 GHz），而不会出现铁电体或PCM器件中常见的缓慢恢复现象。如BaTiO?和LiNbO?等铁电体平台提供了中等程度的折射率可调性，但受限于相对较慢的畴切换[43,44,45]。GST等相变材料提供了巨大的折射率对比度[46,47,48]，但需要热循环且表现为亚GHz速度。相比之下，石墨烯能够实现亚皮秒载流子调制和与CMOS兼容的集成。基于MOSCAP的硅调制器[28,49]实现了快速响应，但主要影响Δn，而我们的双栅石墨烯-硅方案则允许同时对Δn和Δk进行调谐。

基于石墨烯的波导集成电吸收调制器具有几个显著优势：(1) 强光-石墨烯相互作用，以及 (2) 比依赖量子阱和量子限制斯塔克效应（QCSE）的传统化合物半导体[50]强得多的带间光学跃迁。这些特性使石墨烯非常适合新型光电器件，如高速光学调制器[51,52]。

在本工作中，我们提出了一种新的硅微环谐振器（MRR）架构，其中包含两个电耦合的活性区域：一个标准的Z形硅PN结（WG1）和一个覆盖石墨烯的区域（WG2），如图1所示，通过电压Van和Vgr允许精确调制局部折射率。Z形PN结增强了载流子-光相互作用，并降低了结电容和串联电阻。两条调制路径提取的电门响应带宽分别约为75 GHz（阳极控制段Van）和高达90 GHz（石墨烯控制段Vgr）。结合谐振器光子寿命限制，整个微环的最终电光带宽保守估计约为50 GHz量级。

将石墨烯层集成到微环的一段上增强了对光学调制的控制。传统硅PN结主要调制有效折射率的实部（Δn），而石墨烯则能够同时对Δn和虚部（Δk）进行调谐。这种双控制机制对于复数值调制至关重要，提供了对相位和幅度的更精确控制[53]。此处相位调谐的主要思想是通过石墨烯门控控制折射率的虚部（k），在过耦合和欠耦合状态之间切换谐振器。光与石墨烯层的相互作用主要影响初始传播损耗以及有效折射率neff和keff，而硅PN波导主要对neff做出贡献。利用这两种调谐机制能够实现复数值权重乘法，这是光子神经网络和高级光信号处理系统的关键需求。

对于光学神经网络（ONN）应用，基于微环的权重元素的关键需求不仅仅是谐振调谐，而是能够访问紧凑、可重构且与制造工艺兼容的复数传输空间。特别是，有用的ONN硬件应支持同时对光学相位和幅度进行控制，以便每个器件都能实现复数值权重，同时保持小占用面积和实际的可重构速度以满足可扩展光子集成的需求。传统的单栅硅微环主要调谐有效折射率的实部，因此对复数权重空间的访问有限。相比之下，此处提出的双栅架构将用于高效折射率调谐的Z形硅PN结与调制有效折射率实部和虚部的石墨烯覆盖段相结合。这使得在单个紧凑谐振器中能够实现更丰富和更灵活的复数值光学调制，这与ONN的实现直接相关。

## 器件设计

为了在微环谐振器中同时对有效折射率的实部和虚部进行调谐，我们采用了两个分段式p-n结，其中一个覆盖了石墨烯。图1(a)展示了所提出结构的示意图。微环调制器（MRM）的标称半径为12 μm，对应于自由光谱范围（FSR）约为5.71 nm（1 THz），工作波长为λ?=1310nm，基于表达式FSR≈λ?2/(n_g·L)。

## 活性区域的电荷分布

所提出的微环谐振器的可调谐性在很大程度上取决于波导内载流子的分布。为了准确建模在施加偏压下电荷如何分布，我们求解了控制静电学和载流子输运的耦合方程组：用于静电势的泊松方程和用于电子和空穴密度的漂移-扩散方程。该模拟使用Lumerical提供的CHARGE和FDE求解器完成。具体而言：

## 直流表征

为了评估所提出微环调制器（MRM）的性能，我们使用前面章节中提取的折射率和吸收变化，模拟了其在不同直流偏压条件下的行为。功率传输谱T使用标准传输函数计算[39]：

T = |（t·M - α·e^jθ）/（1 - α·t·M*·e^jθ）|2

其中t_M = 1 - κ2是场传输系数，α = exp(-2π·k_eff,ring·L_ring/λ?)是单程幅度衰减因子，k_eff,ring是虚部...

## 讨论

在本工作中，我们探索了一种具有Z形PN结并集成单层石墨烯的硅微环调制器，使我们能够执行复数值光学调制。该结构的核心思想是对微环有效折射率的实部和虚部进行更大的控制，从而与传统的调制器相比实现更宽的传输范围。硅PN结主要调制折射率的实部...

## CRediT作者贡献声明

Omid Poordashtban：撰写——初稿，可视化，调查研究，形式化分析，概念设计。
Yuan Yuan：撰写——审阅与编辑，验证，监督，概念设计。
Yanzhi Wang：监督，资金获取。
Hossein Mosallaei：撰写——审阅与编辑，监督，资金获取，概念设计。

## 利益冲突声明

作者声明以下财务利益/个人关系，可能被视为潜在的利益冲突：

Yanzhi Wang报告称获得了国家科学基金会的财政支持。如果有其他作者，他们声明没有其他已知的可能影响本文所报告工作的利益冲突财务利益或个人关系。

## 致谢

本工作部分由国家科学基金会CCF-2124453资助项目支持。

Omid Poordashtban | Yuan Yuan | Yanzhi Wang | Hossein Mosallaei