当前位置: 首页 > news >正文

2021年PRL文章:傅里叶调制晶格参数实现高Q因子的非对称超表面

设置与空间分布有关的折射率参数 分享一篇2021年发表在PRL的文章,由连续体中束缚态控制的高q共振的非对称超表面,Metasurfaces with Bound States in the Continuum Enabled by Eliminating First Fourier Harmonic Component in Lattice Parameters。 通常来说,BIC都是一个点。 因此,当偏离BIC这个点时,对应的Q factor会急剧下降。 尽管最近有大量工作提出利用merging BIC(Observation of topologically enabled unidirectional guided resonances (2020,nature); Merging Bound States in the Continuum at Off-High Symmetry Points (2021,PRL); Steerable merging bound states in the continuum on a quasi-flatband of photonic crystal slabs without breaking symmetry (2023, PRJ))的方式,减小对Q factor的下降程度。 但是,这种高Q仍然只能维持在很小的范围,很难在大范围实现高Q因子。 在这篇文章中,提出了一种用傅里叶调制晶格参数,从而实现高Q模式。 其中的物理原因是通过消除第一阶衍射,关闭相应的辐射通道,从而实现高Q模式。 现在考虑通常的光栅结构,在合适的参数下,可以调出一个BIC模式 值得注意的是,下能带是一个对称态的低Q模式。 下一步通过傅里叶展开,保留第一级次,实现下能带的高Q模式,这时,对应的介电常数为 和 ,对应的 可以看出,经过这种调制,下能带变成了高Q模式。 此外,在较大的布里渊区内,都实现了高Q模式。 我们还可以从透射谱里反映出这种高Q模式 这里因为是超高Q模式,导致计算透射谱时,很难计算出这种Fano线型(我跑得很细才看到这种现象)。 这篇文章不同于merging BIC的形式,通过傅里叶调制介电常数,在较大的布里渊区实现了高Q模式。

玩光学超表面的朋友最近应该被这篇文章刷屏了——通过傅里叶级数魔改晶格参数,居然能让高Q模式在布里渊区满地跑。这个骚操作直接打破了传统BIC只能在对称点附近维持高Q的魔咒,今天咱们就拆解下这个黑科技。

先回忆下传统BIC的困境。假设我们用Python画个典型的二维光子晶体色散曲线:

import numpy as np import matplotlib.pyplot as plt k = np.linspace(-0.3,0.3,100) q_BIC = 1/(0.05**2 + (k-0.1)**2) # 典型BIC附近Q值分布 plt.plot(k, q_BIC) plt.xlabel('Wavevector') plt.ylabel('Q factor') plt.title('Traditional BIC Q-factor collapse')

跑出来的图像肯定是个尖峰——Q值在BIC点附近断崖式下跌。这就像在钢丝上跳舞,稍微偏离对称点就翻车。

文章作者们搞了个降维打击:既然Q值下降是因为辐射通道打开,那直接把这些通道焊死不就行了?他们用傅里叶级数分解晶格参数:

def lattice_modulation(x, a0, a1): return a0 + a1*np.sin(2*np.pi*x/a0) x = np.linspace(0, 3, 300) original = np.ones_like(x)*200 # 原始晶格 modulated = lattice_modulation(x, 200, 50) # 调制后 plt.plot(x, original, '--', label='Original') plt.plot(x, modulated, label='Modulated') plt.legend()

这个调制相当于在晶格常数里埋了个彩蛋。当代码里把a1设为负数时,神奇的事情发生了——原本对称的能带结构被强行掰弯,但又不是简单破坏对称性。

设置与空间分布有关的折射率参数 分享一篇2021年发表在PRL的文章,由连续体中束缚态控制的高q共振的非对称超表面,Metasurfaces with Bound States in the Continuum Enabled by Eliminating First Fourier Harmonic Component in Lattice Parameters。 通常来说,BIC都是一个点。 因此,当偏离BIC这个点时,对应的Q factor会急剧下降。 尽管最近有大量工作提出利用merging BIC(Observation of topologically enabled unidirectional guided resonances (2020,nature); Merging Bound States in the Continuum at Off-High Symmetry Points (2021,PRL); Steerable merging bound states in the continuum on a quasi-flatband of photonic crystal slabs without breaking symmetry (2023, PRJ))的方式,减小对Q factor的下降程度。 但是,这种高Q仍然只能维持在很小的范围,很难在大范围实现高Q因子。 在这篇文章中,提出了一种用傅里叶调制晶格参数,从而实现高Q模式。 其中的物理原因是通过消除第一阶衍射,关闭相应的辐射通道,从而实现高Q模式。 现在考虑通常的光栅结构,在合适的参数下,可以调出一个BIC模式 值得注意的是,下能带是一个对称态的低Q模式。 下一步通过傅里叶展开,保留第一级次,实现下能带的高Q模式,这时,对应的介电常数为 和 ,对应的 可以看出,经过这种调制,下能带变成了高Q模式。 此外,在较大的布里渊区内,都实现了高Q模式。 我们还可以从透射谱里反映出这种高Q模式 这里因为是超高Q模式,导致计算透射谱时,很难计算出这种Fano线型(我跑得很细才看到这种现象)。 这篇文章不同于merging BIC的形式,通过傅里叶调制介电常数,在较大的布里渊区实现了高Q模式。

重点来了,他们通过消除傅里叶展开的一阶项实现辐射通道关闭。举个数值例子:

def remove_first_harmonic(arr): fft = np.fft.fft(arr) fft[1] = 0 # 干掉第一阶分量 return np.fft.ifft(fft).real modulated_clean = remove_first_harmonic(modulated)

处理后的晶格参数虽然看起来还是周期性的,但辐射通道被物理删除。这相当于在动量空间给特定衍射级次贴了封条。

验证这个设计有多猛,可以看透射谱的Fano线型。用Lumerical跑个简化模型:

# 伪代码,展示Fano线型特征 wavelengths = np.linspace(1500,1600,1000) q_factor = 1e5 # 超高Q值 transmission = 1 - 1/(1 + (2*(wavelengths-1550)/0.01)**2) # 洛伦兹线型 # 加入计算噪声 noise = 0.05*np.random.randn(1000) transmission += noise*(wavelengths-1550)/10 plt.plot(wavelengths, transmission) plt.xlabel('Wavelength(nm)') plt.title('Needle-like resonance @1550nm')

实际计算时作者提到要跑得非常细才能捕捉到这种针尖般的共振峰,这说明Q值确实高到离谱。更有意思的是,当扫描不同入射角时(对应不同布里渊区位置),高Q模式依然坚挺,这波操作直接让传统merging BIC的Q值分布从孤峰变成高原。

这种设计思路还能玩出花——比如在石墨烯超表面里动态调控傅里叶分量,或者用在拓扑光子学里构造新型边界态。不过当前最直接的冲击还是给微纳光学器件设计开了新副本:原来高Q和大范围可以兼得,只要敢对晶格参数下狠手。

http://www.jsqmd.com/news/535013/

相关文章:

  • 穿墙透视的WiFi革命:RuView无摄像头人体感知技术全解析
  • 腾讯优图文档解析神器:上传图片秒转Markdown,手写体印章都能识别
  • 别再一个点一个点更新了!用Python手把手实现分块LMS(BLMS)滤波器,处理音频降噪实战
  • Revit模型Web端免费展示:从IFC到GLTF,我踩过的坑和避坑指南
  • 5步解锁老旧Mac潜力:OpenCore Legacy Patcher完整升级指南
  • VASP计算数据清洗实战:用Python脚本批量处理vasprun.xml,为机器学习势函数准备训练集
  • 1020 - 顶刊复现:配电网两阶段鲁棒故障恢复(Matlab实现)
  • 深入解析MultipartFile:从本地文件读取到重复读取的实践技巧
  • 图像分类模型实战指南:从技术选型到部署优化的全流程解析
  • 如何用CLIP多模态模型实现跨模态智能交互
  • 7步掌握企业级IT资产管理系统部署与运维
  • 边缘设备跑大模型?DeepSeek-R1-Distill-Qwen-1.5B实时推理实战
  • 从手机到车载屏:深入聊聊LCD闪烁(Flicker)那些事儿,及对用户体验的隐形影响
  • golang context.WithTimeout - running
  • 5分钟快速上手:Blender插件与资源终极指南,让你成为3D创作高手
  • 链篦机回转窑球团生产全流程解析:从配料到成品输出的关键步骤
  • Alpamayo-R1-10B部署避坑指南:模型加载失败/端口冲突/显存不足全解决
  • LangChainJS与Next.js全栈AI应用架构:从模块化设计到生产部署的最佳实践
  • 水墨江南模型Dify平台集成:快速构建无需代码的AI绘画应用
  • 香橙派安卓镜像烧录全攻略:从PhoenixCard配置到蓝牙功能实测
  • PyTorch 2.8镜像部署案例:高校AI实验室GPU资源池统一环境管理方案
  • 2026美缝攻略:优质门店推荐,打造无缝家居环境,市面上美缝10年质保有保障 - 品牌推荐师
  • ssm+java2026年毕设蔬菜订购系统【源码+论文】
  • 神州网信政府版Win10远程桌面避坑指南:解决剪切板重定向和用户权限问题
  • Notepad--:跨平台文本编辑器的终极选择,打造中国人自己的编辑器
  • 主板电路中电感的工作原理与选型指南
  • PCL点云处理实战:5分钟搞定PassThrough滤波(附完整代码与可视化对比)
  • 才45天,“龙虾“就已经「爆雷」了?
  • FLUX.1-dev像素生成惊艳案例:等距像素城市全景图生成过程拆解
  • ebs-modbus:传输层无关的嵌入式Modbus状态机库