一.
薄膜设计中数理概念的引入
h2 KI =:aJZ[UU<2 光学薄膜设计的重大变革:Philip Baumeister于1958年提出将设计问题转换为优化问题来考虑。
f(Y_<% #=t/wAE y: 而优化问题则由一系列设计
参数(通常为层厚度)构成的评价函数来表达,使评价函数最小化则为膜系设计的目标。
|GtvgvO, =*&[K^ o:D,,MkSw 二.针式算法的引入及其数理思想:
V:$+$"| f. "\~ 对于一膜系设计,已完成优化后,则层数和厚度已固定。若仍没有达到预计设计目标(即评价函数并不是足够小),此时一般优化方法难以再进一步进行优化(此时再优化还是会返回原优化状态)。针式优化则通过在膜系中插入一薄层(针式层)来改变层数,从而达到进一步优化的目的。
E7t;p)x AH|gI2 莫斯科大学的亚历山大教授于1982年发明了针式优化技术,这一核心技术使得
Optilayer运算速度比同时期的任何一款设计软件都要快数百倍。
CJ*
D HcgvlFb 下图中图1为一优化后的三层膜的折射率剖面图,其用一般优化已无法再进一步进行优化。故而通过插入一针式层来优化,如图2所示:
@@)2 12 ]QhTxrF" 图1. z方向为厚度,n(z)为折射率。
&'SD1m1P T9C_=0(hn 图2. 在薄膜中某一厚度位置插入一折射率为n的狭长薄膜层。
x2rAB5r6 7Ml4u%? 上图中最左侧为基底折射率,最右侧为入射媒介,两阴影区为针式变量(needle varition)。
?3=G'Ip5n e"ehH#i 物理上引入针式层后,数学上必然会引起评价函数值的变化。通过利用评价函数对新层厚度求偏导,考察当针式变量发生于多层膜内z点处且新层折射率为
时(见图2),评价函数(merit function)的变化为:
HR}O:2' f<NR6],} G
5;6q 其中,函数
被称为微扰函数(perturbation function)
")T\_ME yd).}@ 由上式可看出由于新层厚度
为正且方程右边第二项为
的高阶微小量,故而在上式中评价函数的变化极大程度上取决于微扰函数的正负。即微扰函数为负时,评价函数减小。
nN\H'{Wzd uMJ\ 通过数学方法能在不插入新层的情况下计算微扰函数,从而得出评价函数值。
6RnzT d ;f=m+QXU 针式优化原理:当某点处微扰函数为负值时,插入一针式变量(保证新层厚度
足够小,以使得的
高阶微小量足够小)将能使得评价函数减小。
BDTL5N $VuXr=f} u=
NLR\ 如上图所示,在微扰函数最低点插入针式变量将能获得评价函数最大的减小量。
E5w;75, !cwZ*eM 针式算法思路:不断于扰动函数最低点(且为负值)处插入针式变量至微扰函数无负值区时优化过程终止。其过程如下图:
)S
caT1I %{@Q7 jN\u}!\O 三.OptiLayer针式算法的优点:
TmsIyDcD~ ;]u9o}[
2 1.计算速度上:
+(W1x
C0 *.DC(2:o! 针式算法通过不断于微扰函数最低点(且为负值)处插入针式变量从而不断获得评价函数最大的减小量,所以针式算法是一种阶越性的能极快地使评价函数最小化的算法。
rmiOeS`: u^1#9bAW8 针式算法与一般算法的优化进程示意图如下:
}yz>(Pq q,vWu(. kAki9a(=! 针式算法(黑线)和一般算法(红线)的优化进程示意图
s6!6Oqh qN $t_ 图中横轴为计算时间,纵轴为评价函数值
S/nPK,^d2 EY,jy]|# 由上图中优化进程示意图的比较,我们可以看出针式算法运算速度明显优于一般算法,因而使得OptiLayer软件具有比一般设计软件快数百倍的计算速度。
,`@pi@<"# MUO<o 2.优化效果上:
Y`;}w}EcgR Zt `Tg7m 针式优化通过插入新层使得再优化成为可能。从而使得OptiLayer软件能达到更好的优化效果。