切换到宽版
  • 广告投放
  • 稿件投递
  • 繁體中文
    • 447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
    6243
    光币
    25360
    光券
    0
    只看楼主 倒序阅读 楼主  发表于: 2024-12-04
    摘要
    *@dqAr%  
    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。 N[Fz6,ZG _  
    Av{1~%hU  
    设计任务 B?k75G  
    6B&':N98  
    P9gIKOOx#4  
    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
    |]V0sgpoZ  
    7JjTm^bu  
    光栅级次分析模块设置 ) "'J]6  
    4Xlq Ym  
    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
    XvWUJ6M  
    wPOQy ~:  
    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。 zUWu5JI  
    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。 (c_E*>c)  
    3. VirtualLab Fusion提供计算出的形式已经预设在光路中。 zbrDDkZ1  
    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。
    ka655O/)&  
    衍射分束器表面 :\>@yCD  
    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。 W EZ)7H  
    Que-  
    衍射光束求解器-薄元素近似(TEA) 1O8RGk4  
    M,zUg_ @  
     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。 b8(94t|;U  
     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,。 oJEind>8O  
     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。
    SD |5v*  
    Ahm*_E2E  
    光栅级次和可编程光栅分析仪 rF'q\tJDz  
    a(QYc?u  
    EHmw(%a|+  
    设计与评估结果 !A qSG-  
    相位功能设计 j8P=8w{  
    结构设计 \G:\36l  
    TEA评价 N"Q-xK  
    FMM评估 =XuBan3B>  
    C0J/FFBQ^  
    通用设置 @uApm~}  
    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。 n'>`2 s  
    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。 I'm.+(1m,  
    *>I4X=  
    纯相位传输设计 bkTk:-L5:  
    iLD}>=  
    Dn1aaN6  
    结构设计 ]y:2OP  
    8tJB/P w`S  
    %v5IR  
    更深的分析 7M9Ey29f  
    •高度剖面的缩放对零阶有很大影响。 yL{X}:;}  
    •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。 (Rj'd>%c  
    •参数运行是执行此类调查的最佳工具。 yy8h8{=g  
    P :zZ  
    使用TEA进行性能评估 .'aW~WR  
    jOV,q%)^,:  
    ;W 16Hr Z  
    使用FMM进行性能评估 k /srT<  
    [M?'N w/[S  
    F|nJ3:v  
    进一步优化–设计#1的零阶阶次优化 j S~W cu  
    d.>Zn?u4L  
    &V"9[0  
    进一步优化–设计#2的零阶阶次优化 \\}tD@V"  
    4;_aFn  
    PaIE=Q4gJ  
    进一步优化–设计#3的零阶阶次优化
     
    分享到