切换到宽版
  • 广告投放
  • 稿件投递
  • 繁體中文
    • 540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
    6421
    光币
    26250
    光券
    0
    只看楼主 倒序阅读 楼主  发表于: 2024-12-04
    摘要
    }00BllJ  
    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。 9EibIOD^/  
    hT+_(>hT  
    设计任务 M-Y_ Wb3  
    [5Mr@f4I  
    'e'cb>GnA  
    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
    P{ lB50  
    ar+9\  
    光栅级次分析模块设置 z5*'{t)  
    Y O}<Ytx  
    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
    X2~!(WxU F  
    6q.Uhe_B  
    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。 _ *Pf  
    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。 i2SR{e8:GF  
    3. VirtualLab Fusion提供计算出的形式已经预设在光路中。 u>a5GkG.  
    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。
    &Hs!:43E-<  
    衍射分束器表面 Yufc{M00  
    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。 59;KQ  
    V/9!K%y  
    衍射光束求解器-薄元素近似(TEA) d)Y}>@:W  
    vy:Z/1q  
     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。 U-tTW*[1]  
     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,。 bdE[;+58  
     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。
    4zFW-yy  
    )|# sfHv7  
    光栅级次和可编程光栅分析仪 5">Z'+8  
    8$Y9ORs4  
    bq0zxg%  
    设计与评估结果 V+9 MoT?8  
    相位功能设计 iSs:oH3l  
    结构设计 3eQ&F~S  
    TEA评价 @_}P-h  
    FMM评估 mrtb*7`$  
    NyNXP_8  
    通用设置 p9{mS7R9T  
    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。 O)r4?<Q  
    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。 @GW #&\yM  
    d5:c^`  
    纯相位传输设计 FXkM#}RgNm  
    ,.FxIl ]  
    3AN/ H  
    结构设计 j/?kL{B  
    s|r3Gv|G  
    PALc;"]O  
    更深的分析 GC}==^1  
    •高度剖面的缩放对零阶有很大影响。 uJ v-4H  
    •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。 &6nWzF  
    •参数运行是执行此类调查的最佳工具。 T1=fNF  
    ?m"( S oh  
    使用TEA进行性能评估 Z"fJ`--  
    VRB;$  
    v):Or'$~M  
    使用FMM进行性能评估 -PR N:'T  
    {F.[&/A  
    >e$PP8&i_T  
    进一步优化–设计#1的零阶阶次优化 >tW#/\x{  
    &gx%b*;`L0  
    o0KL5].  
    进一步优化–设计#2的零阶阶次优化 O3kA;[f;  
    YT(AUS5n  
    j|#Bo:2km  
    进一步优化–设计#3的零阶阶次优化
     
    分享到