Thin-Film Lithium Niobate (TFLN) has emerged as a leading platform for high-speed electro-optic modulators thanks to its high modulation efficiency and compatibility with integrated photonic circuits. However, the design of travelling-wave TFLN modulators involves the simultaneous optimization of multiple conflicting figures of merit, including characteristic impedance, half-wave voltage, microwave-optical velocity matching, and propagation losses. The resulting design problem is characterized by a high-dimensional parameter space and by a strong dependence on computationally expensive electromagnetic simulations, which significantly limits the applicability of conventional optimization approaches. This thesis presents a computational framework for the design and optimization of travellingwave TFLN modulators based on multi-fidelity surrogate modeling and topology-aware inverse design. An eleven-dimensional geometric parameterization of a slow-wave electrode architecture is considered. To reduce the computational burden associated with full-wave simulations, a multi-fidelity workflow combining two-dimensional finite-element analyses and 2.5D electromagnetic simulations is developed. In addition, a differential (N+1-N) extraction methodology is introduced to isolate the distributed contributions of the periodic slow-wave structure and improve the estimation of microwave propagation parameters. The generated dataset is used to train Gaussian Process surrogate models capable of accurately predicting the principal device figures of merit across the design space. The resulting models enable large-scale exploration of feasible geometries and support the identification of the dominant parameters governing device performance. Through global sensitivity analysis and constrained optimization, practical design rules describing the attainable performance limits are derived. Finally, dimensionality-reduction and clustering techniques are employed to investigate the structure of high-performance solutions and to support the development of a regimeconditioned inverse design methodology. The proposed framework combines computational efficiency, physical interpretability, and inverse design capabilities, providing a practical tool for the development of high-performance TFLN modulators and a general methodology for the optimization of complex photonic devices.
Il niobato di litio su film sottile (Thin-Film Lithium Niobate, TFLN) rappresenta una delle piattaforme più promettenti per la realizzazione di modulatori elettro-ottici ad alta velocità, grazie allelevata efficienza di modulazione e alla compatibilità con i circuiti fotonici integrati. La progettazione di modulatori TFLN a onda viaggiante richiede tuttavia lottimizzazione simultanea di diverse figure di merito in competizione tra loro, tra cui limpedenza caratteristica, la tensione di mezza onda, il sincronismo di velocità tra microonda e segnale ottico e le perdite di propagazione. Tale problema risulta particolarmente complesso a causa dellelevata dimensionalità dello spazio progettuale e della dipendenza da simulazioni elettromagnetiche ad alto costo computazionale. In questa tesi viene sviluppato un framework computazionale per la progettazione e lottimizzazione di modulatori TFLN a onda viaggiante basato su tecniche di surrogate modeling multi-fidelity e inverse design topology-aware. Il dispositivo è descritto mediante una parametrizzazione geometrica a undici gradi di libertà relativa a una struttura periodica ad onda lenta. Per ridurre il costo computazionale associato alle simulazioni elettromagnetiche complete, viene sviluppato un flusso di lavoro multi-fidelity che combina analisi agli elementi finiti bidimensionali e simulazioni elettromagnetiche 2.5D. Inoltre, viene introdotta una metodologia differenziale di estrazione (N+1-N), finalizzata a isolare i contributi distribuiti della struttura periodica e a migliorare la stima dei parametri di propagazione a microonde. Il dataset generato viene utilizzato per addestrare modelli surrogate basati su Gaussian Process Regression, capaci di prevedere con elevata accuratezza le principali figure di merito del dispositivo. I modelli ottenuti consentono lesplorazione estensiva dello spazio delle soluzioni ammissibili e lidentificazione dei parametri geometrici maggiormente influenti sulle prestazioni del modulatore. Attraverso analisi di sensibilità globale e procedure di ottimizzazione vincolata vengono inoltre derivati criteri progettuali utili a descrivere i limiti prestazionali raggiungibili. Infine, tecniche di riduzione della dimensionalità e clustering vengono impiegate per analizzare la struttura delle configurazioni ad alte prestazioni e per sviluppare una metodologia di inverse design condizionata al regime operativo. Il framework proposto combina efficienza computazionale, interpretabilità fisica e capacità di progettazione inversa, fornendo uno strumento pratico per lo sviluppo di modulatori TFLN ad alte prestazioni e, più in generale, per lottimizzazione di dispositivi fotonici complessi
High speed surrogate-model optimization of Thin-Film Lithium Niobate Modulators
MURESIAN, ANDREI
2025/2026
Abstract
Thin-Film Lithium Niobate (TFLN) has emerged as a leading platform for high-speed electro-optic modulators thanks to its high modulation efficiency and compatibility with integrated photonic circuits. However, the design of travelling-wave TFLN modulators involves the simultaneous optimization of multiple conflicting figures of merit, including characteristic impedance, half-wave voltage, microwave-optical velocity matching, and propagation losses. The resulting design problem is characterized by a high-dimensional parameter space and by a strong dependence on computationally expensive electromagnetic simulations, which significantly limits the applicability of conventional optimization approaches. This thesis presents a computational framework for the design and optimization of travellingwave TFLN modulators based on multi-fidelity surrogate modeling and topology-aware inverse design. An eleven-dimensional geometric parameterization of a slow-wave electrode architecture is considered. To reduce the computational burden associated with full-wave simulations, a multi-fidelity workflow combining two-dimensional finite-element analyses and 2.5D electromagnetic simulations is developed. In addition, a differential (N+1-N) extraction methodology is introduced to isolate the distributed contributions of the periodic slow-wave structure and improve the estimation of microwave propagation parameters. The generated dataset is used to train Gaussian Process surrogate models capable of accurately predicting the principal device figures of merit across the design space. The resulting models enable large-scale exploration of feasible geometries and support the identification of the dominant parameters governing device performance. Through global sensitivity analysis and constrained optimization, practical design rules describing the attainable performance limits are derived. Finally, dimensionality-reduction and clustering techniques are employed to investigate the structure of high-performance solutions and to support the development of a regimeconditioned inverse design methodology. The proposed framework combines computational efficiency, physical interpretability, and inverse design capabilities, providing a practical tool for the development of high-performance TFLN modulators and a general methodology for the optimization of complex photonic devices.| File | Dimensione | Formato | |
|---|---|---|---|
|
2026_07_Muresian_Executive_Summary.pdf
non accessibile
Descrizione: Execute Summary
Dimensione
5.4 MB
Formato
Adobe PDF
|
5.4 MB | Adobe PDF | Visualizza/Apri |
|
2026_07_Muresian_Tesi.pdf
non accessibile
Descrizione: Tesi
Dimensione
14.59 MB
Formato
Adobe PDF
|
14.59 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/260553