AI-driven Photonic Design Optimization

본 연구에서는 넓은 설계 공간의 비주기적 MQW 구조 설계를 위해 COMSOL Multiphysics를 이용한 반도체 구조의 측벽 효과에 대한 물리적 모사를 진행하였다. 칩의 크기, MQW의 개수에 따른 sidewall SRH nonradiative recombination 비율을 측정 데이터에 맞춰 최적화를 진행하고, 이후 제한된 MQW 영역에서의 QB-QW 구간을 임의로 배치하였을 때도 신뢰성 있는 IQE 데이터를 추출하는 것을 목표로 한다. 역설계 시뮬레이션의 특성 상 시뮬레이션의 반복 작업이 필수적이나 sidewall effect의 구조적 모사가 이뤄져야 하므로 회전체를 기반으로 한 2D layer 시뮬레이션이 이뤄지며, 확보된 IQE 데이터를 기반으로 EQE 데이터를 확보하기 위해 ANSYS Lumerical의 광학 시뮬레이션을 통한 LEE 추산 과정이 포함된다. 각각의 시뮬레이션 base-model의 자동화 라이브러리 활용과 SAC 등 우수한 정책 기반 알고리즘의 활용을 위해 Python 워크플로우가 사용되며, 최종적으로 설계 공간 전역을 선제적으로 탐색하는 최적화 방법론 확립을 목표로 한다. 본 연구의 강화학습 기반 최적화 알고리즘은 무기발광 디스플레이 설계·공정 개선에 적용되어 단가 절감 및 성능 향상에 활용될 수 있으며, LED 분야에 제한되지 않고 태양전지·광검출기 등 차세대 화합물 반도체 소자 설계 분야로 확장이 가능하다.