纳米光学仿真App包JCMsuite技术

lanseyouyu1976

JCMsuite技术

JCMsuite是基于计算机科学的高级数学方法和技术。它利用了有限元方法(FEM)的强大功能和灵活性来快速和准确地获得结果，并使用最新的机器学习技术来优化复杂的光学器件。
CAD 和网格工具
形状和几何图形：可以使用线性或弯曲单元创建各种CAD几何图形，如2D和3D图元、挤压体、圆角形状和自由形状。JCMsuite几何和网格工具是专门为光子应用而设计的。
对称性：通过定义周期或镜像对称网格，或者通过在圆柱和扭曲坐标系中工作，可以减少计算时间。
无限结构：支撑多层结构、层状外部域和波导结构。
自适应网格：自动网格细化，边角和法线细化可实现高度精确的计算。

Hp-FEM解算器
有限元方法(FEM)提供了一种常规、严格、通用且非常快速的方法来解决科学和技术挑战。
问题类别：JCMsuite解决了时间谐波麦克斯韦方程组的光散射问题、波导设计问题、光学共振问题以及线性弹性问题、热传导问题，以及这些类型的任何耦合问题类别。
自动数值设置：根据基于残差的误差估计，自动选择各种数值设置，如有限元度、PML设置(完美匹配层)。
材料和光源：可以定义各种材料的性质，如复合和各向异性材料的介电常数和磁导率张量、色散性质、热导率和刚度。例如，可以通过平面波，周期性或孤立的偶极子，光束和波导模式来激发结构。
后处理：特别关注光学中所有必要后处理的支撑和高效计算，如傅里叶变换、远场、能量通量、重叠积分、光学成像、共振扩展和Purcell因子。
分析和优化工具包
机器学习技术能够有效地分析和优化光学器件的性能。
优化：贝叶斯优化是一种高效的优化方法，能够在更短的计算时间内开发高性能器件。其他支撑的优化方法包括下行单纯形优化、粒子群优化、差分进化和L-BFGS-B方法。
不确定度量化：光学系统的参数往往存在不确定性和波动。该工具包包括几个有效的方法来确定参数敏感性(Sobol系数)以及波动下的平均性能和方差。
参数重构：从实测数据重构材料属性、形状参数等系统参数是一项复杂的数值任务。JCMsuit包括了各种有效工具，可以对参数值及其测量不确定性进行时间高效和精确重构。
预测：经过一个学习阶段，可以预测未知参数下光学器件的性能。