从像素到 PCell：创建光子组件的神经符号方法

我们提出了 PixCell，这是一种神经符号系统，其中多模态代理将视觉呈现的光子组件通过几何基元的小型领域特定语言（DSL）转换为参数化程序。启用确定性视觉验证的系统使评估不对称地比生成尝试更便宜。虽然使用多种子采样和迭代修正的模型的平均最佳转化 IoU 仅 0.416，但通过 PixCell 接口和验证器的多模式代理始终超过 0.9 平均 IoU，八个组件目标的分数达到 0.974 和 0.955，同时也满足源合同。这些结果表明，前沿多模式代理可以可靠地理解并渲染来自视觉目标的可执行参数表示。使用这些实时参数，对干涉仪进行跨堆栈研究重建原始程序，以满足 8.0 nm 自由光谱范围目标以及建模 220 nm SOI、400 nm SiN 和 400 nm TFLN 堆栈的原始足迹约束。 PixCell 进一步搭载了通过 SOI 全波模拟进行视觉重建的纸质分离器，产生对称传播和平衡输出。最后，相同的可执行验证器提供训练奖励和数据集，用于在没有监督演示的情况下使用 LoRA 和 GRPO 训练 Qwen3.6-35B-A3B 模型。在八个不包括训练的纸质数据上，其平均冠军 IoU 从八次初始尝试后的 0.422 上升到三轮验证者指导的修订后的 0.491。因此，这些结果建立了一个用于测量、重新定位和改进视觉到参数光子组件设计的受控框架。