Implementation of Self-reconfigurable Integrated Optical Filters based on Mixture Density Networks

Abstract

La fotónica integrada ha experimentado una evolución considerable en las últimas décadas. Su aplicación en subsistemas de filtrado y procesado de señales ópticas posibilita el diseño de múltiples arquitecturas que permiten la sintonización y reconfiguración de múltiples sistemas de comunicaciones tales como las redes de acceso de banda ancha inalámbrica, sistemas radar de alta resolución, o sistemas de control de apuntamiento basados en líneas de retardo, entre muchos otros. Sin embargo, en la mayoría de los casos esta operación todavía se realiza de forma manual, resultando en un proceso largo, laborioso y cuya complejidad escala de forma proporcional al tamaño del circuito sobre el que se desea trabajar. Atendiendo al interés creciente de la comunidad científica en el uso de mecanismos de reconfiguración automática basados en redes neuronales artificiales (las cuales permiten aproximar cualquier tipo de relación -sea lineal o no- entre sus entradas y sus salidas mediante un conjunto de datos de entrenamiento), en este Trabajo Fin de Master se propone el uso de las conocidas como redes de densidad mixta (del inglés 'mixture density networks') como herramienta para llevar a cabo esta tarea. La aplicabilidad de este tipo de arquitecturas resulta especialmente útil en problemas de aprendizaje automático donde se desea aproximar funciones no inyectivas, esto es, en las que a cada valor de salida puede corresponderle más de un valor distinto como entrada. Como estudiaremos, su filosofía consiste en representar la salida de este tipo de redes como una combinación lineal de un número determinado de funciones semilla capaces de adoptar cualquier tipo de distribución y en escoger la más probable para cada muestra. Además, el uso de esta herramienta permite acelerar los tiempos de aprendizaje y desarrollo, trabajando con total independencia de la implementación concreta del circuito que se pretende sintonizar. Esto es posible gracias a que la generación de los datos de entrenamiento no sólo puede realizarse de manera sintética a partir de la expresión analítica de la función de transferencia, sino también a partir de barridos experimentales en un laboratorio. Asimismo, la validez del modelo también puede comprobarse sin necesidad de tener noción alguna del comportamiento de la estructura con la que se trabaja, sino mediante el simple entrenamiento de una red neuronal de tipo feed-forward, cuyo uso es habitual entre los expertos en esta disciplina desde hace más de treinta años. Con este objeto, se propone en primer lugar el estudio de la determinación de los parámetros de configuración que nos permitan obtener unos valores de relación de extinción y frecuencia de banda eliminada deseados en un anillo resonante acoplado en un interferómetro Mach-Zehnder sintonizable. A continuación, demostraremos cómo el mismo procedimiento puede extrapolarse para aprender condiciones de operación adicionales y sobreponerse a efectos no ideales. Finalmente, extenderemos el campo de aplicación a cualquier tipo de estructura interferométrica alojada en un circuito óptico, suponiendo un gran avance hacia el objetivo perseguido por la comunidad científica: el diseño de dispositivos completamente reprogramables.