Modern optical transmission standards require steep band-pass filters enabling spectrally efficient channels spacing. For this aim, we propose a machine-learning agent to assist in the characterization of complex ring resonator filters to fulfill the transmission requirements.

Machine Learning aided characterization of multi-stage integrated ring resonator filters / Khan, Ihtesham; Tunesi, Lorenzo; Masood, MUHAMMAD UMAR; Ghillino, Enrico; Bardella, Paolo; Carena, Andrea; Curri, Vittorio. - ELETTRONICO. - (2022). ((Intervento presentato al convegno Optica Advanced Photonics Congress 2022 tenutosi a Maastricht,Limburg Netherlands nel 24–28 July 2022.

Machine Learning aided characterization of multi-stage integrated ring resonator filters

Ihtesham Khan;Lorenzo Tunesi;Muhammad Umar Masood;Paolo Bardella;Andrea Carena;Vittorio Curri
2022

Abstract

Modern optical transmission standards require steep band-pass filters enabling spectrally efficient channels spacing. For this aim, we propose a machine-learning agent to assist in the characterization of complex ring resonator filters to fulfill the transmission requirements.
978-1-957171-16-6
File in questo prodotto:
File Dimensione Formato  
IPRSN-2022-IM3B.4.pdf

non disponibili

Tipologia: 2a Post-print versione editoriale / Version of Record
Licenza: Non Pubblico - Accesso privato/ristretto
Dimensione 235.09 kB
Formato Adobe PDF
235.09 kB Adobe PDF   Visualizza/Apri   Richiedi una copia
C_CLEO_2022_Machine_Learning_Assisted_Design___V1_29112021_2.pdf

embargo fino al 28/07/2023

Tipologia: 2. Post-print / Author's Accepted Manuscript
Licenza: PUBBLICO - Tutti i diritti riservati
Dimensione 227.22 kB
Formato Adobe PDF
227.22 kB Adobe PDF   Visualizza/Apri   Richiedi una copia
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11583/2972638