PCFBench: fino a che punto possono spingersi i grandi modelli visione-linguaggio nella progettazione inversa fotonica che tiene conto della fisica?

Abstract degli autori

Le fibre a cristallo fotonico (PCF) sono alla base di applicazioni cruciali nelle telecomunicazioni, nel rilevamento e nella trasmissione di fasci laser ad alta potenza. La loro progettazione, tuttavia, resta un processo manuale che richiede un forte impiego di esperti e combina intuizione geometrica e conoscenza approfondita della fisica delle guide d’onda. I modelli visione-linguaggio (VLM) offrono una strada promettente per automatizzare la progettazione delle PCF, ma sono davvero in grado di ragionare sulla fisica fotonica a partire da immagini microscopiche, o si limitano a riconoscere schemi visivi? Presentiamo PCFBench, il primo benchmark completo per valutare i VLM nelle fasi di percezione, ragionamento e decisione del ciclo di progettazione inversa fotonica. PCFBench comprende 26 attività suddivise in sei categorie che richiedono capacità cognitive via via maggiori (percezione della geometria, comprensione della fisica, generazione di testo, ragionamento multimodale, decisioni di progettazione inversa e generazione di codice). È costruito a partire da oltre 220K campioni di simulazioni FDTD relativi a 18 famiglie di fibre strutturalmente diverse. Valutiamo sia i singoli VLM su attività isolate sia i sistemi multiagente (MAS) sull’intera sequenza di fasi, dalla percezione alla progettazione. I risultati rivelano un marcato divario tra percezione e progettazione: i modelli attuali riescono a identificare la geometria delle fibre con un successo moderato, ma non riescono sistematicamente a tradurre questa comprensione visiva in interventi progettuali che tengano conto della fisica. Inoltre, disporre gli agenti in cascata lungo la sequenza di fasi mette in luce una significativa propagazione degli errori: gli errori di percezione nelle fasi iniziali si accumulano e portano a insuccessi progettuali nelle fasi successive. Questi risultati suggeriscono che non bastano né aumentare le dimensioni dei modelli né concatenare ingenuamente gli agenti: per chiudere il ciclo serve un ancoraggio esplicito alla fisica. PCFBench offre alla comunità un banco di prova rigoroso e multidimensionale per misurare i progressi verso l’ingegneria fotonica assistita dall’IA. Il progetto è disponibile all’indirizzo https://pcfbench.github.io/.