切换到宽版
  • 广告投放
  • 稿件投递
  • 繁體中文
    • 384阅读
    • 0回复

    [技术]VirtualLab Fusion应用:非近轴衍射分束器的设计与严格分析 [复制链接]

    上一主题 下一主题
    离线infotek
     
    发帖
    5999
    光币
    24148
    光券
    0
    只看楼主 倒序阅读 楼主  发表于: 2024-12-04
    摘要
    Bj1?x  
    直接设计非近轴衍射分束器仍然是一个挑战。由于衍射角相当大,元件的特征尺寸与工作波长在相同的数量级上。因此,设计过程超出了近轴建模方法。因此,在这个例子中,迭代傅里叶变换算法(IFTA)和薄元素近似(TEA)用于衍射元素的初始设计结构,和傅里叶模态方法(FMM)随后应用于严格的性能评估。 ,.OERw  
    [n \2  
    设计任务 xlA$:M&  
     %-c*C$  
    :9QZPsL  
    使用近轴近似的衍射1:7×7分束器的初步设计,通过严格分析,进一步优化零阶均匀性和影响
    u*Pibgd<  
    7ccO93Mz  
    光栅级次分析模块设置 z^#;~I @M  
    {(r`k;fB  
    使用常规的分束器会话2编辑器,VirtualLabFusion提供了一个指导工具,允许用户一步一步地指定所有影响分束器设计的参数
    W g02 A\  
    Jl#%uU/sx  
    1. 通过应用设计带中的结构设计,所得到的传输函数可以转换为结构轮廓。 whi`Z:~  
    2. 对于此转换,使用了薄元近似(TEA)。因此,所得到的结构与初始相位函数成正比。 TU:7Df  
    3. VirtualLab Fusion提供计算出的形式已经预设在光路中。 5N/%v&1  
    4. 要在不同的模拟场景中使用这种结构,需要从组件内部获取实际的采样表面或指定的堆栈。
    y:~ZLTAv  
    衍射分束器表面 " @v <Bk  
    为了进一步评估,使用了通用光栅光学设置,其中加载之前保存的堆栈。光栅光学装置提供了独特的工具、组件和分析仪,以进一步研究给定周期结构的特性和性能。 A Q'J9  
    #a'Ex=%rM  
    衍射光束求解器-薄元素近似(TEA) auK?](U  
    l'/R&`-n  
     一般光栅组件提供了薄元近似(TEA)和傅里叶模态方法(FMM)作为解决模型给定的光栅。 Z -W(l<  
     薄元近似通常产生更快的结果,当结构小于波长的5倍,可能有精度问题,。 6L"%e!be6  
     傅里叶模态方法允许一个严格的模拟,但需要更高的数值计算。
    eHn7iuS8  
    qI#;j%V  
    光栅级次和可编程光栅分析仪 0n;< ge&~R  
    E5I"%9X0H  
    `w.n]TR  
    设计与评估结果  %oZ6l*  
    相位功能设计 0K`#>}W#X  
    结构设计 60J;sGW  
    TEA评价 7UVzp v  
    FMM评估 OY;*zk  
    * +"9%&?  
    通用设置 ]n_ k`  
    提供多次运行文档,允许用户执行任意数量的设计,并提供根据特定标准筛选结果的选项。 k <=//r  
    通过这种方法获得了以下三个结果:我们将对其进行进一步评估。 lku[dQdk  
    IC1NKn<k  
    纯相位传输设计 lDYyqG4  
    VUPXO  
    RS)tO0  
    结构设计 {2=jAz'?  
    G6/p1xy>o:  
    5ni~Q 9b  
    更深的分析 y\Ic@-aWI  
    •高度剖面的缩放对零阶有很大影响。 [|(N_[E|6  
    •可以利用这一点来纠正零阶不期望的效率,从而改善均匀性。 j bVECi-  
    •参数运行是执行此类调查的最佳工具。 :.Jf0  
    x[h^[oF0  
    使用TEA进行性能评估 D~hg$XzK  
    >7I15U  
    &7PG.Ff!r  
    使用FMM进行性能评估 3RYpJAH  
    PsnWWj?c  
    ^p[rc@+  
    进一步优化–设计#1的零阶阶次优化 >O*IQ[r-  
    j27?w<  
    N/ %WsQp  
    进一步优化–设计#2的零阶阶次优化 /{+y2.{j  
    OSs&r$  
    }001K  
    进一步优化–设计#3的零阶阶次优化
     
    分享到