切换到宽版
  • 广告投放
  • 稿件投递
  • 繁體中文
    • 634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
    6601
    光币
    27154
    光券
    0
    只看楼主 倒序阅读 楼主  发表于: 2024-12-04
    摘要
    V={`k$p  
    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。 {9 PeBc  
    +x?_\?&Ks  
    设计任务 }Y{aVn&C  
    \QpH~&QIS  
    /Dh[lgF0C  
    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
    T3-8AUCK8?  
    4^? J BpBZ  
    光栅级次分析模块设置 GQU9UXe  
    83^|a5  
    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
    muD7+rn?&  
    K5oVB,z)  
    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。 $d@_R^]X  
    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。 WJB/X"J  
    3. VirtualLab Fusion提供计算出的形式已经预设在光路中。 zVSbEcr,C~  
    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。
    W0++q=F  
    衍射分束器表面 zmREzP#X  
    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。 h`1{tu  
    "CS {fyJ  
    衍射光束求解器-薄元素近似(TEA) l7g< $3  
    /^BaQeH?R  
     一般光栅组件提供了薄元近似(TEA)和傅里叶模态方法(FMM)作为解决模型给定的光栅。 !A5UT-  
     薄元近似通常产生更快的结果,当结构小于波长的5倍,可能有精度问题,。 ]["=K!la:  
     傅里叶模态方法允许一个严格的模拟,但需要更高的数值计算。
    btQDG  
    i]qVT)j  
    光栅级次和可编程光栅分析仪 4V$DV!dPQ}  
    Z$8 X1(o  
    8SG*7[T7  
    设计与评估结果 K >-)O=$s  
    相位功能设计 AqD)2O{VO  
    结构设计 RsY7F;  
    TEA评价 |'C {nTX  
    FMM评估 Pf?*bI  
    %J_`-\)"{~  
    通用设置 wEMh !jAbv  
    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。 )\iO wA  
    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。 @kq~q;F  
    g?(h{r`  
    纯相位传输设计 \~3g*V  
    c4T8eTKU  
    \xQ10\u  
    结构设计 #0i] g)  
    |_=o0l f  
    D"5uN0Z  
    更深的分析 0st)/\  
    •高度剖面的缩放对零阶有很大影响。 D~KEjz!bQ  
    •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。 U[!x 0M  
    •参数运行是执行此类调查的最佳工具。 %E!^SF?Y  
    XT n`$}nz  
    使用TEA进行性能评估 yK1Z&7>J>  
    :3,aR\  
    nm!5L[y!0  
    使用FMM进行性能评估 GzJ("RE0)v  
    gtcU'4~  
    |j[=uS  
    进一步优化–设计#1的零阶阶次优化 U%swqle4  
    H;QE',a9+i  
    &&N]u e@>  
    进一步优化–设计#2的零阶阶次优化 R'#[}s  
    C+iIvRYC  
    a<Ru)Q?=  
    进一步优化–设计#3的零阶阶次优化
     
    分享到