切换到宽版
  • 广告投放
  • 稿件投递
  • 繁體中文
    • 280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
    5734
    光币
    22822
    光券
    0
    只看楼主 正序阅读 楼主  发表于: 2024-12-04
    摘要
    |9=A"092{  
    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。 w;yzgj:n&f  
    ?'Hd0)yZ  
    设计任务 ^8_yJ=~V  
    T[)!7@4r  
    *asv^aFpS  
    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
    Sc/l.]k+  
    \ a,}1FS  
    光栅级次分析模块设置 C\;l)h_{  
    h x&"fe  
    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
    }oA>0Nw$K  
    >h)kbsSU0z  
    1. 通过应用设计带中的结构设计,所得到的传输函数可以转换为结构轮廓。 gT0yI ;g]  
    2. 对于此转换,使用了薄元近似(TEA)。因此,所得到的结构与初始相位函数成正比。 eG1V:%3  
    3. VirtualLab Fusion提供计算出的形式已经预设在光路中。 g(9*!g  
    4. 要在不同的模拟场景中使用这种结构,需要从组件内部获取实际的采样表面或指定的堆栈。
    Y|><Ls6Q  
    衍射分束器表面 RrvC}9ar  
    为了进一步评估,使用了通用光栅光学设置,其中加载之前保存的堆栈。光栅光学装置提供了独特的工具、组件和分析仪,以进一步研究给定周期结构的特性和性能。 \fUX_0k9,  
    Vx2/^MiXy  
    衍射光束求解器-薄元素近似(TEA) v}N\z2A  
    ` PQQU~^  
     一般光栅组件提供了薄元近似(TEA)和傅里叶模态方法(FMM)作为解决模型给定的光栅。 oe]* Q  
     薄元近似通常产生更快的结果,当结构小于波长的5倍,可能有精度问题,。 cI'n[G  
     傅里叶模态方法允许一个严格的模拟,但需要更高的数值计算。
    NI#]#yM+  
    _%=CW' B  
    光栅级次和可编程光栅分析仪 OPDT:e86Y=  
    bf0,3~G,P  
    /0H}-i  
    设计与评估结果 s$isDG#Sr  
    相位功能设计 ^n0;Q$\  
    结构设计 On}1&!{1]  
    TEA评价 Ao8ua|:  
    FMM评估 >fzyD(>  
    c>K]$;}  
    通用设置 l;0([_>*j  
    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。 MGsQF#6]  
    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。 TDDMx |{  
     e|!'  
    纯相位传输设计 lQ`=PFh  
    }n4 T!N  
    +4_,, I  
    结构设计 n}.e(z_"  
    sdZ$3oE.  
    K~vJ/9"|R  
    更深的分析 DOJydYds  
    •高度剖面的缩放对零阶有很大影响。 zplv.cf#q  
    •可以利用这一点来纠正零阶不期望的效率,从而改善均匀性。 FHQ`T\fC$@  
    •参数运行是执行此类调查的最佳工具。 ,M.}Qak^  
    .)b<cH~%  
    使用TEA进行性能评估 yiQ?p:DM  
    @6yc^DAA  
    ZI!:  
    使用FMM进行性能评估 T,/rC{  
    (T#$0RFq  
    Cjr]l!  
    进一步优化–设计#1的零阶阶次优化 ;,[0bmL  
    B#S8j18M  
    PM[_0b  
    进一步优化–设计#2的零阶阶次优化 iVn4eLK^v  
    W+!UVUpW  
    XqmB%g(  
    进一步优化–设计#3的零阶阶次优化
     
    分享到