| ueotek |
2023-05-31 10:56 |
Zemax & Lumerical | 二维光栅出瞳扩展系统优化（下）
简介 cB ,l= /?
9< $n'g
本文提出并演示了一种以二维光栅耦出的光瞳扩展（EPE）系统优化和公差分析的仿真方法。 Xi~%,~
i G%h-
在这个工作流程中，我们将使用3个软件进行不同的工作 ，以实现优化系统的大目标。首先，我们使用 Lumerical 构建光栅模型并使用 RCWA 进行仿真。其次，我们在 OpticStudio 中构建完整的出瞳扩展系统，并动态链接到 Lumerical 以集成精确的光栅模型。最后，optiSLang 用于通过修改光栅模型来全面控制系统级优化，以实现整个出瞳扩展系统所需的光学性能。 +4Uxq{.K
X/l{E4Ex
本篇文章分为上下两个部分（点此查看上部分） ，下将详细描述“第3步：优化设置的内容”。（联系我们获取文章附件） ;I^+u0ga
5RysN=czA
概述 ][IEzeI_LN
d@ ?++z
我们将首先在 Lumerical 和 OpticStudio 中构建仿真系统，它们是动态链接的。 V{ yP/X
--}5%6
然后，OpticStudio 通过 Python 节点链接到 optiSLang 进行优化，如图1所示。 j~Cch%%G
wcI? .
[attachment=118188] R
rtr\ a
1"4Pa n
图1 Lumerical通 过动态链接到 OpticStudio，OpticStudio 通过 Python 节点链接到 optiSLang，优化由 optiSLang 控制。
RrG5`2
e M$NVpS3
如图2所示，EPE 系统包括两个用于耦入和耦出的光栅。耦出光栅分为几个区，如左侧所示。每个区都将经过优化，以具有不同的光栅形状。右图显示了光在 k 空间中的传播的变化情况。 C =6.~&(
^DW vzfj
[attachment=118189] X '
,0vK
&*4C{N
图 2 光栅布局图以及光线在K空间的传播 [7btoo|P]
:47bf<w|Y
第3步：优化设置（optiSLang） :~ Z -K\
`pfZJ+
3-2.参数系统 ls9 28
准备好 Python 代码后，我们就可以开始在 optiSLang 中进行优化了。第一步是在 optiSLang 中打开一个空文件，拖动求解器向导，放入 scenery 中，然后选择 Python 集成。 8NJxtT~0c~
EL?6x
[attachment=118190] Hv~& RZpe
]#fmih^
如下所示，会弹出向导窗口 ，显示 Python 代码。我们将首先通过右键单击变量（如 clen1）来设置参数，然后选择用作参数。我们将对从 clen1 到 power 的所有变量执行此操作。如下所示，所选变量将显示为左列“参数”。 A./ VO
pp2,d`01[L
[attachment=118191] 5S
EyAhB
7%Q?BH7{
设置完参数后，我们应该测试 Python 代码是否可以成功运行。为此，我们应该打开 OpticStudio 并打开交互式扩展模式，如下所示。然后在求解器向导中，我们可以单击向下箭头并选择“Test run with inputs”，如下所示。如果它运行良好，您应该看到，在 OpticStudio 窗口中，交互式扩展的对话框将显示为“已连接”。 Us.")GiHE
w I7iE4\vz
[attachment=118192] o;zU;pkB
C2[* $ 1U
如果测试运行失败，其中一个可能的原因是 Python 环境不对。用户可以更改设置，如下所示，以查看是否可以解决问题。 s)L\D$;+O
)#H&lH
[attachment=118193] ? +q(,P@*
@5rl; C
计算完成后(在我们的测试中大概需要 13 分钟)，我们应该在日志中看到消息“Manual test run successfully processed”，如下所示。现在，如果我们转到***.opd文件夹(可以通过右键单击系统头并选择“show working directory”轻松访问)，我们可以找到辐照分布被导出到文件夹 +' ZJ]
“\Parametric_solver_system\design_data”中，这是 Python 代码中指定的路径。 `Pcbc\" *y
T{"[Ih3Mbl
[attachment=118194] 3hi0
p" ;5J+?(
类似于对参数的设置，我们可以对结果做相同的操作。在这里，我们将右键单击 Python 代码中的变量“Uniformity”, “Contrast”, 和 “TotalPower”然后选择“Use as response”。然后，这 3 个变量将在 Responses 的右侧列中显示。 hp$/O4fD
Nf!g1D"U
[attachment=118195] EDA%qNd]j
<?&Y_
向导的下一页要求用户定义每个参数的参考值和范围。参考值将只遵循我们在上一步中设置参数时的定义。范围由设计师决定，没有标准参考值。用户可以在下载链接中查看随附的 optiSLang 文件，作为在优化过程中确定范围的参考。请注意，此范围是绝对的。在优化过程中，参数不会突破边界。这与 Zemax OpticStudio 优化的设置不同。 0{q >'d v
R_7[7 /a
[attachment=118196] 3b d(.he2u
0'QX*xfa>
在向导的下一页中，我们需要根据给定的响应设置条件。如下图所示，我们可以将响应拖到底部以设置约束或目标。在这种情况下，我们设置了 3 个目标，以最小化对比度、均匀性以及最大化总功率。我们还可以为对比度和总功率设置 2 个约束来告诉 optiSLang，避免一些极端情况，即结果是均匀的，而总功率极低，或者相反的情况。 AVnH|31dC~
9Ev<t \B
[attachment=118197] "?X,);5S
Q:5^K
最后一页不需要操作。单击“完成”按钮后，工作区中将显示参数系统。 UD!-.I]
) {I0
[attachment=118198] yZ:AJNb
kF@Z4MB}yr
3-3.（可选）设置并行计算 ^xt @
本节中的操作不是必须的。在这里，我们将展示如何在 optiSLang 端设置并行计算以加快优化速度。如果用户拥有多个 Lumerical FDTD 求解器许可证，则可以考虑这样做。要进行此设置，第一步是右键单击参数化系统块，选择“编辑”，然后将极限最大值并行设置为6或任何不大于 8的数字或 Lumerical FDTD 求解器许可证的总数量，如下所示。 z]%c6ty
I rMUw$
[attachment=118199] s;ivoGe}
fFNs cY<4w
注意我们需要做同样的事情来右键单击 Python 节点并选择“编辑”。要设置详细信息，我们需要首先单击右上角的汉堡标记，检查属性和占位符，然后单击“确定”按钮。然后我们可以将最大并行设置为6，如下所示。请注意，我们还需要在窗口的下部将最大值并行设置为6。如果先设置此参数，上面的 MaxParallel 也会自动更改，但仔细检查它是否按预期设置更安全。 4 x)etH^o
@BmI1
最后，建议检查 “Retry execution”，将重试次数设置为 20，并将尝试间隔延迟设置为 1000 毫秒。此设置可避免 optiSLang 尝试访问具有 1 个以上线程的同一 OpticStudio 实例的争用条件。 3n!f'" T
zzH^xxg
[attachment=118200] Z^[
]s1iP}
B4Fuv i
如果并行设置是多个，在运行 optiSLang 时，我们还需要打开相同数量的 OpticStudio 实例，那么 optiSLang 可以为每个实例创建一个线程。 CiNOGSlDj
F%tV^$%
3-4.灵敏度以及优化设置 TFAd
下一步是设置灵敏度分析。一般来说，灵敏度分析是一种找出对响应影响最大的最重要参数的方法，并生成显示响应和参数变化之间关系的最佳元模型，以更好地了解系统行为。 J E *d-
=`KA@~XH4
灵敏度系统可以通过将向导拖动到参数化系统块来设置，如下所示。参数和条件将被复制，我们不需要再次设置。默认情况下，它将建议 AMOP 模型，我们可以保留此设置。AMOP 是一种迭代抽样方法，将设计采样到设计空间中，直到达到目标标准 – 最大设计或模型质量。因为本模型具有高度非线性，无法达到足够的模型质量，因此在下一阶段将进行实际运行优化。 [2P6Xo I#
RD|DHio%
[attachment=118201] > lV'}0u)
+Zg@X.z
类似地，我们将优化向导拖到 AMOP 模块中以进行优化。请注意，当它询问优化方法时，我们应该选择 Real Run，因为该系统永远不会有高质量的最佳预后元模型（MOP）。MOP 是在（Most and Will 2008）中提出的，它基于对最佳输入变量集和最合适的近似模型（多项式或具有线性或二次基的 MLS）的搜索。对于优化算法，建议使用进化算法，它适用于非常不均匀和不连续的解空间。 Bc*FH>E
WbWEgd%8.
[attachment=118202] WqJrDj~
4~ K%,K+Du
3-5.开始优化 U!\~LKfA
用户只需打开一个 OpticStudio 并在交互式扩展模式下准备就绪即可。注意必须取消选中断开连接时自动关闭，如下所示。请注意，如果并行计算已设置为6，如上所述，用户将需要在此处打开相同数量的实例（例如6个），optiSLang 将同时访问所有实例。 rk-GQ #SKU
FPE%h =sw
[attachment=118203] OfK>-8
4o<rj4 G>
当一切准备就绪后，我们可以单击按钮进行优化。 @g5qcjD'[
.nzN5FB
U
[attachment=118204] zMXQfR
0NF=7 j
在这个示例系统中，我们花了大约 2~3 天的时间在普通台式 PC 上运行此优化。 2 oo/KndU
c[>xM3=e^q
3-6.优化结果 {ldt/dl~
通过双击进化算法块扩展的后处理可以找到优化结果，如下所示。 7tP%tp
ez
Nl'@Y^8N
[attachment=118205] 6]sP "
)`BKEa f
下图中的红色标记设计称为帕累托边界。一般来说，帕累托边界显示了多个目标之间的权衡，即不存在一个设计在各项指标上均优于另一个的情况。这意味着所有这些设计都显示了多个标准的不同平衡。我们选择了 3 个结果，如下所示 。986号的对比度比946号高，同时看起来更均匀。这意味着这里使用的标准可以改进，以更好地匹配人类视觉。 ]Zz.n5c
}0Ie Kpu5
[attachment=118206] = inp>L
82M` sk3.
后续 )*XD"-9
pft-.1py
以下是本文未涵盖的一些注意事项，但用户在尝试为其系统遵循此过程时可能需要留意。 ubv>* i O
· 在本演示中，我们只考虑中心视场，即通常入射在波导上的准直光束。为了更全面的优化，可以添加更多视场以覆盖全视野下的均匀性。 >r3SF3XMq
· 实际上，该系统仅设计用于单个波长。根据系统设计，优化可以包括多个波长。 f~10 i D
· 一些辐照度分布看起来更均匀，但对比度更高。可以通过修改 Python 代码来改进标准。
|
|