01 說明

在本例中設計了一個傾斜表面浮雕光柵(SRG, Slanted Surface Relief Grating) 將光耦合到單色增強現實(AR)系統的波導中。光柵的幾何結構經過優化將垂直入射光引導至光柵的-1級中，然后將光柵特性導出為Lumerical 亞波長模型(LSWM, Lumerical Sub-Wavelength Model) JSON格式，以便在Speos中對該SRG進行系統級模擬。

02 綜述

SRG所設計的幾何參數為其傾斜角度、填充因子和高度，如下圖所示:

光柵和襯底的折射率為1.8，光柵被空氣包圍，周期為393nm。光柵將被優化為將550nm波長的光傳輸到光柵的-1級。我們將使用RCWA求解器來定義仿真參數并運行和優化仿真。

步驟1：內耦合光柵的優化

該步驟將使用Lumerical內置的粒子群優化（PSO）算法對SRG的傾斜角、填充因子和光柵高度進行了優化，以最大限度地將550nm波長的S偏振傳輸到-1光柵級。

初始設計的仿真結果顯示大約56%垂直入射的S偏振光被傳輸到光柵的-1級。然后將使用軟件的優化功能優化光柵幾何結構以提升該數值。“optimization”對象包括SRG的傾斜角度、填充因子和光柵高度，傳輸到S偏振的光柵-1級的能量被用作品質因數（FOM）。設定如下所示：

優化后的幾何結構中光柵-1級的衍射效率約為94.7%。需要注意的是，這種類型的光柵的FOM[1]可以具有多個局部最大值。雖然內置的PSO工具是一種方便的快速優化方法，但可以使用更先進的優化方法來充分探索參數空間。

步驟2：完整表征和數據導出

光柵優化是利用來自光柵上方的垂直入射光來進行。然而，一旦選定了優化的幾何結構，就必須針對光線追跡仿真中預期的入射角范圍以及前后方向計算完整的光柵特性。

首先，在RCWA中做如下參數設置：

propagation direction: both

incident angle: range

minimum theta: 0

maximum theta: 85

theta points: 18

minimum phi: 0

maximum phi: 360

phi points: 37

如上設置，針對前向和后向的指定入射角范圍計算了優化的SRG的S參數。然后，這些結果被導出為LSWM JSON格式，該文件適合使用腳本文件導入到Speos或Zemax中。

審核編輯：劉清