시각화(Visualization)

COMPASS는 픽셀 구조 검사, 전자기장(Electromagnetic Field) 분포 분석, 시뮬레이션(Simulation) 결과 표시를 위한 종합 시각화 도구를 제공합니다. 모든 2D 플롯 함수는 matplotlib을 기반으로 하며 추가 사용자 정의를 위해 Axes 객체를 반환합니다. 3D 뷰어는 인터랙티브 탐색을 위해 plotly를 사용합니다.

모듈 개요

모든 공개 함수는 compass.visualization 네임스페이스에서 직접 임포트할 수 있습니다:

python

from compass.visualization import (
    plot_pixel_cross_section,
    plot_field_2d,
    plot_field_multi_wavelength,
    plot_qe_spectrum,
    plot_qe_comparison,
    plot_crosstalk_heatmap,
    plot_angular_response,
    view_pixel_3d,
)

2D 구조 플롯

plot_pixel_cross_section 함수는 재료 색상 코딩과 레이어 주석이 포함된 픽셀 스택(Pixel Stack)의 단면(Cross-section)을 렌더링합니다. 솔버(Solver)를 실행하기 전에 항상 구조를 시각적으로 검사하십시오.

XZ 단면 (수직)

지정된 y 위치에서 실리콘(하단)부터 공기(상단)까지의 모든 레이어를 보여줍니다.

python

from compass.visualization import plot_pixel_cross_section

ax = plot_pixel_cross_section(
    pixel_stack,
    plane="xz",
    position=0.5,       # y-coordinate of the slice in um
    wavelength=0.55,     # wavelength for permittivity (used in XY mode)
    figsize=(12, 6),
)

플롯에 포함되는 항목:

재료 컬러맵을 사용한 각 레이어의 색상 코딩된 직사각형
베이어 패턴을 보여주는 픽셀별 컬러 필터(Color Filter) 영역
레이어 인터페이스의 검은색 경계선
우측 여백의 레이어 이름 주석
좌측 상단의 픽셀 피치(Pitch) 주석

YZ 단면

XZ와 동일하지만 주어진 x 위치에서 y-z 평면을 따라 슬라이스합니다:

python

ax = plot_pixel_cross_section(pixel_stack, plane="yz", position=1.0)

XY 단면 (수평)

주어진 z 높이에서의 유전율(Permittivity) 분포를 보여줍니다. 컬러 필터 패턴, 금속 격자(Metal Grid) 지오메트리, DTI 레이아웃을 검사하는 데 유용합니다.

python

ax = plot_pixel_cross_section(
    pixel_stack,
    plane="xy",
    position=4.5,       # z-coordinate in um
    wavelength=0.55,
)

XY 모드는 256 x 256 그리드에서 복소 유전율의 실수부 $Re (ε)$ 를 계산하고 viridis 컬러맵으로 렌더링합니다. 픽셀 경계선이 흰색 점선으로 오버레이됩니다.

함수 시그니처

python

def plot_pixel_cross_section(
    pixel_stack: PixelStack,
    plane: str = "xz",           # "xz", "yz", or "xy"
    position: float = 0.0,       # slice position in um
    wavelength: float = 0.55,    # wavelength in um (for XY eps)
    ax: plt.Axes | None = None,  # pass existing axes, or None to create
    figsize: tuple = (12, 6),    # figure size when ax is None
) -> plt.Axes:

다중 패널 구조 비교

자체 축을 전달하여 여러 뷰를 구성합니다:

python

import matplotlib.pyplot as plt

fig, axes = plt.subplots(1, 3, figsize=(18, 5))

z_positions = [5.5, 4.5, 1.0]
labels = ["Microlens region", "Color Filter region", "Silicon region"]

for ax, z_pos, label in zip(axes, z_positions, labels):
    plot_pixel_cross_section(
        pixel_stack, plane="xy",
        position=z_pos, wavelength=0.55, ax=ax,
    )
    ax.set_title(label)

fig.tight_layout()
plt.savefig("structure_xy_slices.png", dpi=150)

장 분포 플롯

장(Field) 데이터를 생성하는 시뮬레이션 실행 후, plot_field_2d로 전자기장 분포를 시각화합니다.

단일 장 플롯

python

from compass.visualization import plot_field_2d

ax = plot_field_2d(
    result,                     # SimulationResult from solver.run()
    component="|E|2",          # field component to plot
    plane="xz",                # cross-section plane
    position=0.5,              # slice position in um
    wavelength_key=None,       # auto-selects first available
    overlay_structure=True,    # overlay material boundary contours
    log_scale=False,           # logarithmic color normalization
    cmap="hot",                # matplotlib colormap name
    figsize=(10, 6),
)

사용 가능한 장 성분

성분	물리적 의미	단위
`"Ex"`	$E_{x}$ 성분의 크기	V/m
`"Ey"`	$E_{y}$ 성분의 크기	V/m
`"Ez"`	$E_{z}$ 성분의 크기	V/m
`"	E	2"`
`"Sz"`	포인팅 벡터(Poynting Vector)의 z 성분 (에너지 흐름)	W/m $^{2}$

강도 $| E |^{2}$ 는 픽셀 구조 내에서 전자기 에너지가 집중되는 위치를 보여주므로 가장 일반적으로 플롯되는 양입니다. 포인팅 벡터 $S_{z}$ 는 수직축을 따른 에너지 흐름의 방향과 크기를 나타냅니다.

구조 오버레이

overlay_structure=True이면 장 데이터 위에 재료 경계가 흰색 등고선으로 그려집니다. 이를 위해서는 시뮬레이션 결과에 result.metadata["eps_3d"]에 유전율 데이터가 포함되어야 합니다. 사용할 수 없는 경우 오버레이는 자동으로 건너뜁니다.

높은 다이내믹 레인지를 위한 로그 스케일

실리콘 흡수는 픽셀의 상단과 하단 사이에 큰 장 강도 차이를 만듭니다. 저강도 영역의 장 구조를 드러내려면 log_scale=True를 사용하십시오:

python

ax = plot_field_2d(
    result,
    component="|E|2",
    plane="xz",
    position=0.5,
    log_scale=True,
    cmap="inferno",
)

다중 파장 비교

다른 파장에서의 장 패턴을 나란히 비교합니다:

python

from compass.visualization import plot_field_multi_wavelength

fig = plot_field_multi_wavelength(
    result,
    wavelengths=["0.450", "0.550", "0.650"],
    component="|E|2",
    plane="xz",
    position=0.5,
    ncols=3,
    figsize_per_plot=(5, 4),
    log_scale=True,
    cmap="hot",
)
fig.savefig("field_comparison.png", dpi=150)

이 함수는 파장당 하나의 서브플롯으로 구성된 그리드를 생성하며, 시각적 비교를 쉽게 하기 위해 일관된 색상 스케일링을 사용합니다.

QE 스펙트럼 플롯

기본 QE 스펙트럼

python

from compass.visualization import plot_qe_spectrum

ax = plot_qe_spectrum(result, figsize=(8, 5))

이 함수는 각 베이어 채널(R, G, B)에 대한 QE vs 파장을 플롯합니다. 개별 픽셀 곡선은 얇은 반투명 선(alpha=0.3)으로, 채널 평균은 두꺼운 선으로 그려집니다. y축은 [0, 1]로 고정됩니다.

파장 축은 compass.core.units.um_to_nm을 사용하여 um(내부)에서 nm(표시)으로 자동 변환됩니다.

다중 솔버 QE 비교

다른 솔버 또는 설정의 QE 스펙트럼을 오버레이합니다:

python

from compass.visualization import plot_qe_comparison

ax_main, ax_diff = plot_qe_comparison(
    results=[result_torcwa, result_grcwa, result_meent],
    labels=["torcwa", "grcwa", "meent"],
    show_difference=True,
    figsize=(10, 7),
)

각 솔버는 R/G/B 색상 코딩을 유지하면서 고유한 선 스타일(실선, 파선, 일점쇄선, 점선)을 갖습니다. show_difference=True이면 하단 패널에 $Δ QE = {QE}_{i} - {QE}_{ref}$ 가 표시되며, 첫 번째 결과가 기준입니다.

함수 시그니처

python

def plot_qe_comparison(
    results: Sequence[SimulationResult],
    labels: Sequence[str],
    ax: plt.Axes | None = None,
    figsize: tuple = (10, 6),
    show_difference: bool = False,
) -> plt.Axes | tuple[plt.Axes, plt.Axes]:

Interactive QE Spectrum Chart

Explore how silicon thickness, BARL quality, and metal grid width affect the quantum efficiency spectrum of Red, Green, and Blue channels.

Silicon thickness: 3.0 um

BARL quality: 70%

Metal grid width: 50 nm

Blue peak QE:46.7%

Green peak QE:54.5%

Red peak QE:42.8%

Average QE:48.0%

크로스토크 히트맵(Crosstalk Heatmap)

항목 $(i, j)$ 가 의도된 대상 픽셀 $j$ 에 대한 픽셀 $i$ 의 신호를 나타내는 행렬로 픽셀 간 크로스토크를 시각화합니다.

python

from compass.visualization import plot_crosstalk_heatmap

# At a specific wavelength index
ax = plot_crosstalk_heatmap(result, wavelength_idx=15, figsize=(7, 6))

# Averaged over all wavelengths
ax = plot_crosstalk_heatmap(result, wavelength_idx=None)

히트맵은 YlOrRd 컬러맵을 사용합니다. 대각선 항목은 올바르게 감지된 신호(자기 결합)를 나타내고, 비대각선 항목은 크로스토크를 나타냅니다. 셀 값은 수치로 주석이 달립니다.

R_0_0, G_0_1, G_1_0, B_1_1 픽셀을 가진 2x2 베이어 단위 셀의 경우, 행렬은 4x4입니다:

         R_0_0  G_0_1  G_1_0  B_1_1
R_0_0  [ 0.85   0.05   0.05   0.05 ]
G_0_1  [ 0.05   0.85   0.05   0.05 ]
G_1_0  [ 0.05   0.05   0.85   0.05 ]
B_1_1  [ 0.05   0.05   0.05   0.85 ]

각도 응답 곡선(Angular Response)

고정 파장에서 주광선 각도(Chief Ray Angle, CRA)의 함수로 QE를 플롯합니다:

python

from compass.visualization import plot_angular_response

ax = plot_angular_response(
    results_vs_angle=angle_results,    # list of SimulationResult, one per angle
    angles=[0, 5, 10, 15, 20, 25],    # incidence angles in degrees
    wavelength_idx=15,                  # single wavelength index (or None for avg)
    figsize=(8, 5),
)

이 플롯은 CRA가 25--35도에 달할 수 있는 센서 가장자리에서의 픽셀 성능 평가에 필수적입니다. 각 채널(R, G, B)은 원형 마커가 있는 별도의 곡선으로 플롯됩니다.

3D 픽셀 뷰어

인터랙티브 탐색을 위해 plotly 기반 3D 뷰어를 사용합니다. pip install compass[viz]가 필요합니다.

python

from compass.visualization import view_pixel_3d

fig = view_pixel_3d(pixel_stack, wavelength=0.55)
fig.show()

3D 뷰어 렌더링 대상

구조 요소	렌더링	불투명도
공기 레이어	반투명 박스	0.05
마이크로렌즈	매끄러운 초타원 곡면	0.50
평탄화층	반투명 박스	0.30
컬러 필터	픽셀별 색상 박스 (베이어)	0.70
BARL 레이어	반투명 박스	0.40
실리콘	회색 박스	0.60
포토다이오드	실리콘 내 강조 표시된 박스	0.40
DTI 트렌치	픽셀 경계의 얇은 박스	0.50

내보내기 및 공유

python

# Save as interactive HTML (no server needed)
fig.write_html("pixel_3d_view.html")

# Save as static image (requires kaleido)
fig.write_image("pixel_3d_view.png", scale=2)

재료 컬러맵

구조 플롯은 재료 이름에 대한 부분 문자열 매칭으로 해석되는 다음 기본 색상 체계를 사용합니다:

재료	2D 색상	3D RGB
silicon	gray	(160, 160, 160)
sio2	lightblue	(173, 216, 230)
cf_red	red	(220, 50, 50)
cf_green	green	(50, 180, 50)
cf_blue	blue	(50, 80, 220)
tungsten	yellow	(220, 200, 50)
polymer	plum	(221, 160, 221)
air	white	(240, 248, 255)
hfo2	lightyellow	(255, 255, 224)
si3n4	lightsalmon	(250, 180, 150)
tio2	wheat	(245, 222, 179)

색상은 각 모듈의 MATERIAL_COLORS (2D) 및 MATERIAL_COLORS_3D (3D) 딕셔너리에 정의되어 있습니다. 인식되지 않는 재료는 밝은 회색으로 기본 설정됩니다.

권장 컬러맵

플롯 유형	권장 cmap	이유
장 강도	`hot` 또는 `inferno`	높은 다이내믹 레인지, 지각적
유전율 (XY)	`viridis`	지각적으로 균일, 색맹 안전
크로스토크	`YlOrRd`	순차적, 직관적 열 스케일
로그 스케일 장	`inferno`	저강도에서 좋은 대비

전체 요약 그림 구성

모든 플롯 함수는 선택적 ax 인수를 허용하므로, COMPASS 플롯을 사용자 정의 그림 레이아웃으로 구성할 수 있습니다:

python

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(16, 10))

# Structure
ax1 = fig.add_subplot(2, 2, 1)
plot_pixel_cross_section(pixel_stack, plane="xz", position=0.5, ax=ax1)

# Field
ax2 = fig.add_subplot(2, 2, 2)
plot_field_2d(result, component="|E|2", plane="xz", position=0.5, ax=ax2)

# QE
ax3 = fig.add_subplot(2, 2, 3)
plot_qe_spectrum(result, ax=ax3)

# Crosstalk
ax4 = fig.add_subplot(2, 2, 4)
plot_crosstalk_heatmap(result, ax=ax4)

fig.suptitle("COMPASS Simulation Summary", fontsize=14)
fig.tight_layout()
fig.savefig("simulation_summary.png", dpi=200)

그림 저장

모든 시각화 함수는 matplotlib의 표준 저장 워크플로우와 함께 작동합니다:

python

ax = plot_qe_spectrum(result)
plt.savefig("output.png", dpi=150, bbox_inches="tight")
plt.savefig("output.pdf", bbox_inches="tight")  # Vector format
plt.savefig("output.svg", bbox_inches="tight")  # SVG for web

노트북에서의 시각화

COMPASS 시각화는 Jupyter 노트북에서 작동합니다. 인라인 표시:

python

%matplotlib inline
from compass.visualization import plot_qe_spectrum
plot_qe_spectrum(result)

노트북에서 인터랙티브 확대/이동:

python

%matplotlib widget
from compass.visualization import plot_qe_spectrum
plot_qe_spectrum(result)

다음 단계

첫 번째 시뮬레이션 -- 시각화할 결과 생성
솔버 선택 -- 솔버 출력을 시각적으로 비교
문제 해결 -- 빈 플롯 및 디스플레이 문제 수정

시각화(Visualization) ​

모듈 개요 ​

2D 구조 플롯 ​

XZ 단면 (수직) ​

YZ 단면 ​

XY 단면 (수평) ​

함수 시그니처 ​

다중 패널 구조 비교 ​

장 분포 플롯 ​

단일 장 플롯 ​

사용 가능한 장 성분 ​

구조 오버레이 ​

높은 다이내믹 레인지를 위한 로그 스케일 ​

다중 파장 비교 ​

QE 스펙트럼 플롯 ​

기본 QE 스펙트럼 ​

다중 솔버 QE 비교 ​

함수 시그니처 ​

Interactive QE Spectrum Chart

크로스토크 히트맵(Crosstalk Heatmap) ​

각도 응답 곡선(Angular Response) ​

3D 픽셀 뷰어 ​

3D 뷰어 렌더링 대상 ​

내보내기 및 공유 ​

재료 컬러맵 ​

권장 컬러맵 ​

전체 요약 그림 구성 ​

그림 저장 ​

노트북에서의 시각화 ​

다음 단계 ​

시각화(Visualization)

모듈 개요

2D 구조 플롯

XZ 단면 (수직)

YZ 단면

XY 단면 (수평)

함수 시그니처

다중 패널 구조 비교

장 분포 플롯

단일 장 플롯

사용 가능한 장 성분

구조 오버레이

높은 다이내믹 레인지를 위한 로그 스케일

다중 파장 비교

QE 스펙트럼 플롯

기본 QE 스펙트럼

다중 솔버 QE 비교

함수 시그니처

크로스토크 히트맵(Crosstalk Heatmap)

각도 응답 곡선(Angular Response)

3D 픽셀 뷰어

3D 뷰어 렌더링 대상

내보내기 및 공유

재료 컬러맵

권장 컬러맵

전체 요약 그림 구성

그림 저장

노트북에서의 시각화

다음 단계