1. O Desafio do Treinamento Físico: In Situ vs Ex Situ
O treinamento de redes neurais fotônicas exige a consideração estrita das não-idealidades do hardware analógico. No paradigma Ex Situ, a rede neural é treinada em software digital (PyTorch) e os pesos ideais são convertidos diretamente em fases de termo-deslocadores. No entanto, variações de fabricação (erros de litografia e espessura de corrosão de $\pm 2\text{ nm}$) provocam desvios severos de fase estáticos.
No paradigma Hardware-Aware Training e Retropropagação Física In Situ, as imperfeições analógicas são diretamente incorporadas no laço de otimização:
Onde $Q_b(\cdot)$ representa a quantização dos conversores digital-analógico (DACs de $b$ bits) e $\sigma_\theta$ modela o ruído térmico de fase, garantindo convergência robusta mesmo na presença de ruído ambiental.
1. Hardware-Aware Training & Physical Backpropagation
Deploying optical neural networks requires accounting for fabrication tolerances ($\pm 2\text{ nm}$) and thermal drift. Hardware-Aware Training injects phase noise $\sigma_\theta$ and DAC quantization $Q_b$ into the forward loop of PyTorch models, ensuring robust convergence on physical photonic chips.
2. Fluxo EPDA com Gdsfactory e Tape-Outs do Consórcio Smart-PSoC
A transição da teoria para a fundição comercial de semicondutores é conduzida pelo fluxo EPDA (Electronic-Photonic Design Automation) utilizando a biblioteca aberta gdsfactory integrada ao ambiente photonic do laboratório:
- Síntese Paramétrica de Layout: Geração procedural de malhas de Clements, bancos de microranéis e grades de acoplamento grating couplers;
- Verificação Física (DRC): Checagem estrita de regras de espaçamento e largura mínima da fundição ($> 150\text{ nm}$);
- Simulação Eletromagnética de Células: Extração de matrizes $[S]$ via FDTD (PyMeep / Lumerical) e resolução modal FEM (Femwell);
- Geração do Arquivo GDSII: Exportação de máscaras finais prontas para envio aos Multi-Project Wafer (MPW) runs e caracterização experimental nas bancadas do LabTel / UFES.
2. EPDA Workflow with Gdsfactory and Smart-PSoC Tape-Outs
Translating designs into foundry-ready silicon requires an EPDA workflow using gdsfactory, automated DRC validation, and S-matrix circuit extraction, culminating in GDSII export for Smart-PSoC MPW runs.
⚡ Laboratório Virtual: Treinamento em Hardware, EPDA e Projetos MPW Virtual Laboratory: Hardware-Aware Training, EPDA & MPW Projects
HTML5 Canvas Live📚 Referências Científicas do Módulo
- Paul R. Prucnal & Bhavin J. Shastri (2017): Neuromorphic Photonics, CRC Press / Taylor & Francis Group, ISBN 9781498725224.
- Lorenzo Pavesi (2026): When Microring Resonators Behave Like Neurons, Optics & Photonics News (Optica).
- PNC 2027: XIV Optoelectronics and Photonics Winter School on Physical Neuromorphic Computing, Monte Bondone / Università di Trento, Itália.