切换到宽版
  • 广告投放
  • 稿件投递
  • 繁體中文
    • 110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
    5418
    光币
    21270
    光券
    0
    只看楼主 倒序阅读 楼主  发表于: 12-04
    摘要
    ~$ WQ"~z  
    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。 Q2R>lzB  
    5oa]dco  
    设计任务 cFxSDTR  
    m[#%/  
    / GZV_H%v  
    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
    Q }8C  
    3DHvaq q7  
    光栅级次分析模块设置 [M2Dy{dh  
    x k#*=  
    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
    6KBHRt  
    "lb\c  
    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。 vev8l\  
    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。 g&8.A(  
    3. VirtualLab Fusion提供计算出的形式已经预设在光路中。 {B v`i8e  
    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。
    p!V) 55J*  
    衍射分束器表面 m&{rBz0  
    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。 '4Y*-!9  
    th;]Vo  
    衍射光束求解器-薄元素近似(TEA) xKisL=l6Y  
    "URVX1#(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。 t"FRLC  
     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,。 ]n/jJ_[  
     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。
    F .& *D~f  
    PK9Qm'W b  
    光栅级次和可编程光栅分析仪 4v i B=>  
    Xek E#?.  
    DwQp$l'NfW  
    设计与评估结果 <`b|L9  
    相位功能设计 O/'f$Zj36  
    结构设计 P}b Dn;  
    TEA评价 K T"h74@  
    FMM评估 Oym]&SrbS  
    @)8NI[=6O  
    通用设置 W>UjUq);  
    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。 8cequAD  
    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。 jh-kCF  
    )Ep@$Gv|S  
    纯相位传输设计 k0R, !F  
    )E_!rR  
    vHoT@E#}'  
    结构设计 A Z]Z,s6  
    __Vg/C!W  
    ~p0 e=u  
    更深的分析 t/_\U =i$  
    •高度剖面的缩放对零阶有很大影响。 UX+?0K  
    •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。 %YsRm%q  
    •参数运行是执行此类调查的最佳工具。 `\6 +z  
    WIhIEU7/  
    使用TEA进行性能评估 $XtV8  
    * N2#{eF&]  
    &FT5w T  
    使用FMM进行性能评估 zV9 =  
    Z z{[Al{  
    &n,xGIG  
    进一步优化–设计#1的零阶阶次优化 <5C=i:6%  
    * <Nk%`  
    j TGS6{E  
    进一步优化–设计#2的零阶阶次优化 g#pIMA#/  
    :"h Pg]'  
    i&? 78+:  
    进一步优化–设计#3的零阶阶次优化
     
    分享到