KI beschleunigt inverses photonisches Design für optische Sensoren

In rauen Umgebungen – etwa in großen Energieparks – stoßen elektrische und faserbasierte Sensoren an ihre Grenzen. Leistungsverluste, hohe Herstellungskosten und fehlende elektromagnetische Unempfindlichkeit begrenzen ihren Einsatz. Im BMFTR-geförderten Projekt »3DGlassGuard« arbeiten Industriepartner und Forschungseinrichtungen – darunter Siemens AG, Fraunhofer IZM und TU Berlin – an optischen Sensorlösungen auf Glass-Core-Substraten mit integrierten Lichtwellenleitern, um die Herausforderungen zu meistern.

Zentrale Methode ist das inverse photonische Design: Anhand vordefinierter Zielparameter berechnen Algorithmen automatisch dreidimensionale Mikrostrukturen im Glas, die das Licht verlustarm führen. Klassische Simulationstools benötigen für solche Berechnungen aus vielen einzelnen Iterationen Monate oder Jahre. Das Konsortium setzt daher auf KI-gestützte Modelle, um die Simulationszeiten von Stunden auf Sekunden zu verkürzen und schnelle, iterative Designzyklen zu ermöglichen.

Maurice Laurent Haffner und Tom Chojne erläutern gegenüber RealIZM, welche Ziele das Forschungsprojekt verfolgt, welches Potenzial in Glas integrierte Lichtwellenleiter bergen und welchen Mehrwert KI-gestützte Workflows in der photonischen Designentwicklung bieten.

Inverses photonisches Design im Turbo-Modus

Inverses photonisches Design (IPD) kommt in der Siliziumphotonik bereits zum Einsatz. Die Übertragung des Verfahrens auf ionenausgetauschte Wellenleiter ist sehr anspruchsvoll. Tom Chojne gibt zu bedenken, dass ionenausgetauschte Wellenleiter deutlich größer als Siliziumchips sind und enorme Rechenleistung erfordern. »Um das Diffusionsmodell des Ionenaustauschs zu simulieren, sind zehn Stunden notwendig, für die Lichtsimulation weitere 24 Stunden«, erklärt der Forscher. »Für die mindestens 1.000 nötigen Durchläufe würde man mit klassischen Methoden fast vier Jahre rechnen müssen.«

Um diese Rechendauer drastisch zu verkürzen, kooperieren TU Berlin und Fraunhofer IZM. Mit Hilfe von KI-Ersatzmodellen wie Fourier Neural Operators (FNO) sollen Simulationen künftig in Sekunden statt Stunden ablaufen. Voraussetzung dafür sind umfangreiche Trainingsdatensätze aus klassischen Rechnungen sowie leistungsfähige Rechnerressourcen.

Die TU Berlin stellt mathematische Expertise und ihren GPU-Cluster für das Training der neuronalen Netzwerke bereit, während das Fraunhofer IZM auf seinem 16-Kern-CPU-basierten Hochleistungsrechner mit rund 2 TB/s Speicherbandbreite die Trainingsdaten generiert, die Optimierungspipeline aufbaut und die Integration der KI-Modelle übernimmt.

Die Validierung der Simulationsergebnisse erfolgt gemeinsam anhand abgestimmter Metriken. Im weiteren Projektverlauf werden auf Basis dieser Ergebnisse Prototypen der designten Strukturen gefertigt und evaluiert.

Schematische Darstellung des Inverses Photonischen Designs (IPD) | © Fraunhofer IZM

Eine dreistufige KI-Pipeline vom Materialmodell zum Photonic Design

Die modulare Pipeline umfasst drei Komponenten: den Optimierungsalgorithmus, das Diffusionsmodul zur Berechnung der Ionenverteilung im Glas und das photonische Modell zur Simulation der Führung der Lichtwellen im Glas. »Das Diffusionsmodul ist einsatzbereit und liefert in weniger als 30 Sekunden das Ergebnis einer einzelnen Simulation«, erklärt Tom Chojne.

Auf Basis der Gradienten beider Modelle ermittelt der Algorithmus iterativ, in welche Richtung das Design angepasst werden muss. Dazu führt er die Simulation vorwärts (Diffusion und Ionenaustausch) und anschließend in umgekehrter Richtung aus, bis alle Anforderungen erfüllt sind.

KI ersetzt nicht alles – sondern beschleunigt den Designprozess

Voraussetzung für eine KI-gestützte Vorhersage sind neuronale Netzwerke, die auf einem umfangreichen Datensatz trainiert wurden. »Wir haben etwa 200 klassische Simulationen manuell durchgeführt und zu einem mehrdimensionalen Datenwürfel von etwa zwei Terabyte zusammengeführt. In diesem »Data Cube« ist das elektromagnetische Feld für jede Gitterposition abgebildet«, erläutert Maurice Haffner die Erzeugung des Trainingsdatensatzes. Das neuronale Netzwerk lernt den Data Cube in Sekundenschnelle zu reproduzieren. Der mittlere quadratische Fehler darf dabei maximal 0,1 Prozent betragen. In der Praxis bedeutet das: Ergebnisse, die nahezu so präzise sind wie klassische Simulationen – jedoch in Sekunden statt in Stunden.

IPD-Pipeline: Forward-Durchlauf eines geraden Wellenleiters. Die gekoppelte Pipeline erzeugt für einen einfachen geraden Wellenleiter ein plausibles, geführtes photonisches Feld. |  © Fraunhofer IZM

Tom Chojne ergänzt: »KI übernimmt die Grobjustage, während klassische Tools nur noch für die finale Feinjustage nötig sind.« 

Dieser hybride Workflow schafft die Basis, photonische Komponenten effizient in Glas zu integrieren – auch für Geometrien, die mit herkömmlichen Methoden kaum noch beherrschbar wären. Erstmalig lassen sich somit dreidimensionale optische Strukturen auch in großflächige, sehr dünne Glassubstrate (< 1 mm) integrieren.

»So sind neue Anwendungen möglich, bei denen hohe Bandbreiten, geringe Latenz und elektromagnetische Unempfindlichkeit entscheidend sind – Eigenschaften, die klassische Elektronik allein nicht liefern kann«, fasst Chojne zusammen. Die Pipeline für ionenausgetauschte Wellenleiter lässt sich auch auf andere Glasarten, Wellenlängen und unterschiedliche Salzschmelzzusammensetzungen beim Ionenaustausch übertragen.

Von der Simulation zur Anwendung: Demonstratoren im Projekt

Zur Halbzeit des Projekts sind bereits wichtige Meilensteine erreicht. »Die Validierung der Kernkomponenten – Ionenaustausch- und photonische Simulation – ist abgeschlossen«, fasst Haffner zusammen. Erste Vorversuche mit Wellenleiterkomponenten und laserbeschriebenen Wellenleitern sind durchgeführt.

Splitter, der das Licht im Wellenleiter auf zwei Kanäle gleichmäßig aufteilt, um zum Beispiel auf zwei verschiedene Glasfasern zu koppeln | © Fraunhofer IZM, erstellt mit Ansys Lumerical  

Nun folgt die Entwicklung der Demonstratoren. Die LightFab GmbH arbeitet an einem optischen Biegebalken: Auf einem strukturierten Glasstück wird ein freischwingender Glasbalken per Magnetfeld angeregt und misst dabei Strom. Das Fraunhofer IZM unterstützt bei der Charakterisierung, definiert die Parameter und führt die Metallisierung aus. Zudem arbeitet das Fraunhofer IZM einen Demonstrator mit 3D-gedruckten Linsen, eingebauten Kristallen und einer kleinen optischen Bank.

Ein weiterer Demonstrator ist ein TE-/TM-Splitter, der transversale elektrische (TE-) und magnetische (TM-)Signale asymmetrisch trennt. In Kooperation mit Siemens wird ein optischer Stromsensor für leistungselektronische Anwendungen realisiert, um das Sicherheitsrisiko in Schaltschränken zu minimieren. Die Aufgabenstellung dabei ist, eine galvanische Trennung bei Stromsensoren zu ermöglichen. Das heißt, der zu vermessende Stromkreis wird von dem für die Messung benötigten Stromkreis getrennt. Bisher erfolgt diese Trennung über Widerstände, über die sehr hoher Strom fließt und Wärme entsteht. Die Lichtleitertechnik verspricht eine höhere Effizient und mehr Sicherheit.

Der TE/TM Splitter wird mittels inversen photonischen Designs entwickelt. »Die anderen Komponenten werden noch klassisch designt«, erläutert Haffner. »Perspektivisch wollen wir sie durch invers designte Komponenten ersetzen, die kompakter sind, höhere Transmissionen ermöglichen und insgesamt effizienter arbeiten.« Dank des Lego-Prinzips lassen sich phontonischen Komponenten auf andere Anwendungen übertragen.

Glas als vielseitiges Substrat für die Photonik der nächsten Generation

In aktuellen Forschungsarbeiten wird Glas vor allem als Trägersubstrat verwendet.

Prozesskette zur Integration von Lichtwellenleitern in großformatiges Dünnglas | © Fraunhofer IZM

Elektro-optische Leiterplatte (EOCB) | © Fraunhofer IZM

Klassische Halbleiter-Chips stoßen bei der Miniaturisierung und immer dichterer Bestückung physikalisch an ihre Grenzen. Eine zukunftsweisende Lösung ist die Chiplet-Architektur: Mehrere spezialisierte Chips werden auf einem Board vereint und untereinander verbunden. »Die Kommunikation zwischen diesen Chiplets über integrierte Glasfasern ist deutlich effizienter als über Halbleiter«, so Haffner. Kernbausteine dieses Konzepts sind photonische Bauteile wie wellenlängen­selektive Splitter, die mit inversem Design optimiert werden.

Ziel sei es, mittelfristig photonische Verbindungen direkt im Datacenter einzusetzen, um die Kommunikation zwischen Chips zu beschleunigen und energieeffizienter zu gestalten. Langfristig eröffnen sich völlig neue Anwendungsfelder jenseits klassischer Elektronik – von ultraschnellen optischen Backbones in Datacentern bis zu in Glas eingebetteten Sensor-Aktorsystemen für Smart-Grid- und IoT-Anwendungen.

Die Glass Panel Technology Group des Fraunhofer IZM treibt Advanced Packaging mit Glas als Schlüsselmaterial voran. Im Fokus stehen Partnerschaften für die industrielle Glaspanel-Fertigung (z. B. TGVs, RDL), die Entwicklung großformatiger Glassubstrate sowie verlässliche Prüfverfahren zur Qualitätssicherung.

3DGlassGuard – Sicherheit durch photonische Systemintegration in Glasfolien