AI-Assisted Screening of Athermal Candidate Geometries for TiO₂ Clad Silicon Ring Resonators

본 연구는 TiO₂ 클래딩 SOI 링 공진기의 고온 무열 후보 구조를 신속히 선별하기 위한 AI 기반 탐색 프레임워크를 제안한다. 링 코어 폭·높이, 버스 도파로 폭, 반지름 및 결합 간격을 설계 변수로 설정하고, 2D MPB 해석 결과를 RBF surrogate model과 all-pass 링 공진기 해석식에 결합하였다. 637,245개의 해석적 라벨로 ANN emulator를 학습하여 온도 민감도, Q-factor 및 FSR을 기준으로 near-athermal 후보를 우선순위화하였다. 상위 후보에 대한 FDTD 평가와 국소 parameter sweep을 통해 20–120 °C에서 0.0134 pm/°C의 온도 민감도, Q-factor 1,901 및 FSR 48.9 nm를 만족하는 보정 구조를 도출하였다. 단일 설계점의 ANN 예측 시간은 5.598 s로 3차원 FDTD 대비 약 98.41% 감소하였다. 또한 ±1 nm 치수 편차에서 Si 코어 높이와 링 폭에 따른 온도 민감도 변화는 각각 약 0.32 및 0.20 pm/°C로 나타났다. 본 결과는 제안된 프레임워크가 광범위한 설계 공간에서 유망한 무열 후보를 효율적으로 선별할 수 있음을 보여주며, 향후 공정 및 재료 변동을 고려한 강건 최적화와 실측 검증이 필요하다.