파장 스윕
이 레시피는 가시광선 전 영역 파장 스윕(wavelength sweep)과 스펙트럼 데이터를 분석하는 방법을 보여줍니다.
인터랙티브 흑체 스펙트럼 뷰어
색온도를 조정하여 흑체 스펙트럼의 변화를 확인하세요. 비교를 위해 표준 광원 오버레이를 활성화할 수 있습니다.
CCT:5500 K
λmax:527 nm
상대 가시광 출력:71.1%
근사 색상
기본 스윕
가장 간단한 파장 스윕은 소스(source) 설정에서 "sweep" 모드를 사용합니다:
python
from compass.runners.single_run import SingleRunner
config = {
"pixel": {
"pitch": 1.0,
"unit_cell": [2, 2],
"bayer_map": [["R", "G"], ["G", "B"]],
"layers": {
"microlens": {"enabled": True, "height": 0.6, "radius_x": 0.48, "radius_y": 0.48},
"planarization": {"thickness": 0.3, "material": "sio2"},
"color_filter": {
"red": {"material": "cf_red", "thickness": 0.62},
"green": {"material": "cf_green", "thickness": 0.60},
"blue": {"material": "cf_blue", "thickness": 0.65},
"grid": {"enabled": True, "width": 0.05, "thickness": 0.47, "material": "tungsten"},
},
"barl": {"layers": [
{"thickness": 0.010, "material": "sio2"},
{"thickness": 0.025, "material": "hfo2"},
{"thickness": 0.015, "material": "sio2"},
{"thickness": 0.030, "material": "si3n4"},
]},
"silicon": {
"thickness": 3.0, "material": "silicon",
"photodiode": {"position": [0, 0, 0.5], "size": [0.7, 0.7, 2.0]},
"dti": {"enabled": True, "width": 0.1, "material": "sio2"},
},
},
},
"solver": {
"name": "torcwa", "type": "rcwa",
"params": {"fourier_order": [9, 9]},
"stability": {"precision_strategy": "mixed", "fourier_factorization": "li_inverse"},
},
"source": {
"wavelength": {
"mode": "sweep",
"sweep": {"start": 0.38, "stop": 0.78, "step": 0.01},
},
"polarization": "unpolarized",
},
"compute": {"backend": "auto"},
}
result = SingleRunner.run(config)
print(f"Sweep: {len(result.wavelengths)} wavelengths from "
f"{result.wavelengths[0]*1000:.0f} to {result.wavelengths[-1]*1000:.0f} nm")전체 가시광선 스펙트럼 시각화
python
import matplotlib.pyplot as plt
import numpy as np
from compass.visualization.qe_plot import plot_qe_spectrum
fig, ax = plt.subplots(figsize=(10, 6))
plot_qe_spectrum(result, ax=ax)
# Add wavelength color bar on x-axis for reference
wl_nm = result.wavelengths * 1000
for i in range(len(wl_nm) - 1):
color = wavelength_to_rgb(wl_nm[i]) # You'd need a helper for this
ax.axvspan(wl_nm[i], wl_nm[i+1], alpha=0.03, color=color)
ax.set_title("Full Visible Spectrum QE")
plt.tight_layout()
plt.savefig("full_spectrum_qe.png", dpi=200)파장, 실리콘 흡수 및 픽셀 응답
스펙트럼을 따라 마커를 드래그하여 파장이 실리콘 흡수 깊이, 광학 특성 및 픽셀 성능에 미치는 영향을 살펴보세요.
파장 선택기
λ = 550 nm (초록색)
가시광
실리콘 흡수 프로파일
흡수 깊이 (1/α): 1.56 um
광학 특성 기준 λ = 550 nm
굴절률 n(λ)
4.080
소광 계수 k(λ)
2.800e-2
흡수 깊이 1/α
1.56 um
흡수 계수 α
6,397 cm-1
일반적인 BSI QE
70%
색상 영역
초록색
α = 4πk / λ | 흡수 깊이 = 1/α = λ / (4πk)반사율, 투과율, 흡수율
에너지 수지(energy balance) 구성 요소를 QE와 함께 시각화합니다:
python
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 8), sharex=True)
# QE
plot_qe_spectrum(result, ax=ax1)
ax1.set_xlabel("")
# R, T, A
wl_nm = result.wavelengths * 1000
if result.reflection is not None:
ax2.plot(wl_nm, result.reflection, label="Reflection", color="tab:blue")
if result.transmission is not None:
ax2.plot(wl_nm, result.transmission, label="Transmission", color="tab:orange")
if result.absorption is not None:
ax2.plot(wl_nm, result.absorption, label="Absorption", color="tab:red")
ax2.set_xlabel("Wavelength (nm)")
ax2.set_ylabel("Fraction")
ax2.set_title("Energy Balance Components")
ax2.legend()
ax2.grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig("qe_and_energy.png", dpi=150)고해상도 스윕
박막 간섭 줄무늬(thin-film interference fringes)를 분해하려면 더 작은 스텝을 사용합니다:
python
config_fine = config.copy()
config_fine["source"] = {
"wavelength": {
"mode": "sweep",
"sweep": {"start": 0.50, "stop": 0.60, "step": 0.002}, # 2 nm step
},
"polarization": "unpolarized",
}
result_fine = SingleRunner.run(config_fine)2 nm 스텝은 실리콘 캐비티의 패브리-페로(Fabry-Perot) 줄무늬를 분해합니다 (550 nm에서 3 um Si의 줄무늬 간격 ~12 nm).
파장 목록 모드
특정 파장(예: 레이저 라인 또는 LED 피크)에 대해:
python
config_list = config.copy()
config_list["source"] = {
"wavelength": {
"mode": "list",
"values": [0.405, 0.450, 0.525, 0.590, 0.625, 0.680, 0.780],
},
"polarization": "unpolarized",
}
result_list = SingleRunner.run(config_list)서로 다른 실리콘 두께 비교
다양한 실리콘 두께에 대해 스윕을 실행하고 오버레이합니다:
python
import copy
thicknesses = [2.0, 3.0, 4.0]
results_by_thickness = []
for t in thicknesses:
cfg = copy.deepcopy(config)
cfg["pixel"]["layers"]["silicon"]["thickness"] = t
cfg["pixel"]["layers"]["silicon"]["dti"]["depth"] = t
r = SingleRunner.run(cfg)
results_by_thickness.append(r)
from compass.visualization.qe_plot import plot_qe_comparison
fig, ax = plt.subplots(figsize=(10, 6))
plot_qe_comparison(
results=results_by_thickness,
labels=[f"Si {t}um" for t in thicknesses],
ax=ax,
)
ax.set_title("QE vs Silicon Thickness")
plt.tight_layout()
plt.savefig("si_thickness_comparison.png", dpi=150)주요 관측 사항
| 파장 범위 | 관측 결과 |
|---|---|
| 380-420 nm | 표면 재결합(surface recombination)과 얕은 흡수로 인한 낮은 QE |
| 420-500 nm | 청색 채널 피크. 짧은 흡수 깊이로 BARL 설계에 민감 |
| 500-580 nm | 녹색 채널 피크. 중간 흡수 깊이 |
| 580-650 nm | 적색 채널 피크. 긴 흡수 깊이로 더 두꺼운 Si에서 이점 |
| 650-780 nm | 흡수 깊이가 실리콘 두께를 초과하면서 QE 감소 |
TIP
근적외선(NIR, Near-Infrared) 응용에서는 실리콘 두께를 5-6 um으로 늘리고 스윕을 1000 nm까지 확장하십시오. 780 nm 이상에서의 실리콘 물질 데이터를 추가해야 할 수 있습니다.
대화형 QE 스펙트럼 차트
실리콘 두께, BARL 품질, 메탈 그리드 폭이 Red, Green, Blue 채널의 양자 효율 스펙트럼에 미치는 영향을 살펴봅니다.
Blue 최대 QE:46.7%
Green 최대 QE:54.5%
Red 최대 QE:42.8%
평균 QE:48.0%
재현성 안내
위에 표시된 수치는 특정 실행에서 얻은 예시 값입니다. 솔버 버전, 재료, 하드웨어(GPU/CPU, fp32/fp64), 설정에 따라 달라집니다. 결론을 내리기 전에 자신의 환경에서 직접 레시피를 다시 실행하여 검증하세요.