news 2026/4/23 13:58:02

滤光片截止带上尖峰的抑制

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
滤光片截止带上尖峰的抑制

具有很宽截止带的边缘滤光片往往会出现尖峰[1],这些峰值具有较高透射率,并且在光谱范围上很窄。这是由滤光片的核心腔体结构导致的。腔体的存在会稍微扩展特性,因此有时会采用优化或合成工艺来引入它们。峰值随系统任何层的厚度变化而移动,因此它始终存在于目标点之间。优化过程中增加目标点的密度在某种程度上是有帮助的,但是尖峰可能非常窄,要消除它们,意味着点的密度非常高,但是收敛速度会非常慢。

然后四分之一堆栈有一个更高级次的反射峰。如果截止带足够宽,结构的一部分的高阶区可能与另一部分的低阶区重合。这也通常会增加一些尖峰,特别是在高反射和低透射率区的短波端。这个尖峰问题没有完全的解决办法。幸运的是,在许多情况下,我们寻找低平均透射率或高平均反射率,那么峰值问题就不那么令人担心。但也有一些应用要求绝对透射率低于一定水平。在这种情况下,导数目标可以帮助。

我们看一个边缘大概在700nm的短波通滤光片,我们希望可见光区域的透射率小于0.1%,并且在到1000nm具有高透射率。为简单起见,我们使用无色散材料,入射介质折射率为1.00,基底为1.52,薄膜材料为1.45(L)和2.35(H)。最初的设计是一个简单的四分之一堆栈,参考波长为550 nm,公式:(LH)^35 L。目标是:400nm-690nm,步长2.0nm-透过率小于等于0.1%,公差0.1%,权重2.0。715nm-1000nm,步长2.0nm-透过率等于100%,公差1.0%,权重1.5。

图1.在通带具有出色的透射率,但是截止带有峰值会影响性能。

图2.仔细检查峰值,即405纳米处的峰值,表明它们存在于将插的入目标点之间,所以在优化过程中会忽略它们。

结果如图1和图2所示。透射率很好,但通常会出现尖峰。它们主要位于目标点之间,如图2所示,它们就不会被优化函数记录下来。而且将目标值减少到零透射率,并将运算符设置为等号,结果几乎没有区别。图3和图4显示了相同初始设计的优化结果,但目标修改后更依赖于一组导数目标。新的目标如下:

400nm-690nm,步长2.0nm。要求透射率的一阶导数为0.0%,公差为0.0002,权重为1.0。

400nm-650nm,步长50nm。透射率小于等于0.1%,公差0.1%,权重2.0。

690nm,透过率小于等于0.3%,公差0.1,权重5.0。这个目标要求会略微宽松一点,这是为了帮助形成边缘。

715nm-1000nm,步长2nm。透过率等于100%,公差1.0%,权重1.5。

在分配这些目标值时没有深入的推理。它们只是根据经验选择的,可能是相当有效的。导数不涉及明确的透过率数值,因此增加了要求0.1%或更低透射率的透射率目标,但间距相当大。导数目标的意思是为了识别一个上升的趋势,并在相关的透过峰值变得过高之前停止它。通过用这种方式抑制峰值,我们需要一组比使用绝对透过率值更稀疏的目标点,就像我们在第一个例子中所做的那样。峰值上升的坡度必须较低,将其值设置为零,且公差很小。同样,所使用的值是根据相关经验而不是任何相关理论来选择的。图3和图4显示了新的结果。在对数刻度上,仍然有许多变化,但实际上非常小,因为是被对数刻度放大的。同时,这项技术虽然集中在截止带上,但是通带的波纹已经受到了轻微的影响。

图3.包含导数目标的优化完成后的结果

图4.以对数刻度显示曲线

导数目标对透过率绝对值的忽视是它的一个缺点,这就是为什么我们在低透射率下增加稀疏目标的原因。在合成过程中,层数较低时,导数会占主导地位,可以保持性能平坦的特性,但是抑制了添加层数的功能,所以导数目标不能很好的搭配合成功能。导数目标应该在优化功能中使用。Differential Evolution 是一个很好的选择,利用导数目标,如图5,是使用相同材料的47层短波通滤光片。

图5.一种47层无尖峰短波滤光片,该滤光片由截止带内具有导数目标的Differential Evolution优化技术产生。

[1] C. Clark and A. Macleod, "Spikes," in 55th Annual Technical Conference, Society of Vacuum Coaters: Santa Clara. p. 263-267, (2012).

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/18 1:34:42

ArgoCD GitOps实战:声明式持续交付与多集群管理

为什么要GitOps 传统的CI/CD流程: 代码提交 → CI构建 → 推送镜像 → CD脚本执行kubectl apply这个流程有几个问题: 状态漂移:有人手动改了集群配置,CI/CD不知道 回滚困难:出问题了想回滚,得翻找历史构建记录 审计缺失:谁改了什么、什么时候改的,不清楚 多环境同步:…

作者头像 李华
网站建设 2026/4/22 16:34:06

【国产开源崛起】:对标Open-AutoGLM的6大中国团队项目全面解析

第一章:Open-AutoGLM与国产AutoML的崛起背景近年来,人工智能技术快速发展,自动化机器学习(AutoML)作为降低AI应用门槛的核心方向,正迎来爆发式增长。在中国科技自主创新的大背景下,国产AutoML平…

作者头像 李华
网站建设 2026/4/20 1:52:26

Open-AutoGLM沉思部署避坑指南(90%新手都会忽略的细节)

第一章:Open-AutoGLM沉思怎么用Open-AutoGLM 是一个面向自动化任务的开源大语言模型工具,专为代码生成、自然语言理解与多步骤推理设计。其核心优势在于支持自定义提示链(Prompt Chaining)和动态上下文管理,适用于复杂…

作者头像 李华
网站建设 2026/4/18 14:21:05

【智谱Open-AutoGLM部署全攻略】:手把手教你快速搭建高效AI模型系统

第一章:智谱Open-AutoGLM模型部署概述智谱AI推出的Open-AutoGLM是一款面向自动化任务生成与执行的大语言模型,具备强大的自然语言理解与代码生成能力。该模型支持本地化部署与云端集成,适用于企业级智能客服、自动化报表生成、低代码开发辅助…

作者头像 李华