切换到宽版
  • 广告投放
  • 稿件投递
  • 繁體中文
    • 87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
    6589
    光币
    27094
    光券
    0
    只看楼主 倒序阅读 楼主  发表于: 01-20
    摘要 pSrsp r  
    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。 Bi_J5 If  
    )tPl<lb  
    设计任务 7sN0`7  
    c+;S<g 0  
    <W|1<=z(  
    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
    !'PlDGD  
    /a%KS3>V*  
    光栅级次分析模块设置 I:/4t^%  
    *08+\ed"#  
    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
    5xv,!/@  
    Z`"n:'&  
    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。 3dU#Ueu  
    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。 MVuP |&:n  
    3. VirtualLab Fusion提供计算出的形式已经预设在光路中。 (6[Wr}SW5  
    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。
    S W-0h4  
    衍射分束器表面 d:3= 1x  
    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。 {9:hg9;E*  
    A xR\ ned  
    衍射光束求解器-薄元素近似(TEA) Ris-tdg  
    4i96UvkZ  
     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。 >!G5]?taa  
     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,。 /]l f>\x1  
     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。
    W#Cq6N  
    (T2<!&0 @  
    光栅级次和可编程光栅分析仪 'T{pdEn8u  
    _6 /Qp`s  
    tQCj)Ms'X  
    设计与评估结果 " #J}A0  
    相位功能设计 gTyW#verh$  
    结构设计 }(rzH}X@  
    TEA评价 W -!dMa  
    FMM评估 rOhA*_EG  
    vy:6_  
    通用设置 !?Tzk&'  
    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。 `;T? 9n  
    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。
    `O jvt-5}E  
    I$F\(]"@  
    纯相位传输设计 9cbB[c_.  
    3 dY6;/s  
    i|[S5QXCh  
    结构设计 [y$j9  
    @)06\ h  
    DvU~%%(0^  
    更深的分析 r$Kh3EEF`E  
    •高度剖面的缩放对零阶有很大影响。 hiT9H5 6 >  
    •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。 @D2`*C9  
    •参数运行是执行此类调查的最佳工具。 vatx+)  
    bwT"$Ee  
    使用TEA进行性能评估
    Wa@6VY  
    [29$~.m$Y  
    wN$uX#W|  
    使用FMM进行性能评估 l'P[5'.  
    Iy-u`S  
    %9cqJ]S  
    进一步优化–设计#1的零阶阶次优化 Q&tFv;1w6  
    ]IL3$eR  
    s-y'<(ll  
    进一步优化–设计#2的零阶阶次优化 WodF -bE  
    `<bCq\+`  
    $K;_Wf  
    进一步优化–设计#3的零阶阶次优化 N7%=K9  
     
    分享到