분석(Analysis)

COMPASS는 양자 효율(quantum efficiency) 계산, 에너지 밸런스(energy balance) 확인 및 솔버 결과 비교를 위한 분석 모듈을 제공합니다.

QECalculator

compass.analysis.qe_calculator.QECalculator는 시뮬레이션 결과로부터 픽셀별 QE를 계산합니다.

from_absorption

@staticmethod
def from_absorption(
    absorption_per_pixel: Dict[str, np.ndarray],
    incident_power: np.ndarray,
) -> Dict[str, np.ndarray]:

각 포토다이오드(photodiode)의 흡수 전력으로부터 QE를 계산합니다:

$${\text{QE}}_i(\lambda )=\frac{P_{\text{absorbed},i}(\lambda )}{P_{\text{incident}}(\lambda )}$$

결과는 [0, 1] 범위로 클리핑됩니다.

매개변수:

• absorption_per_pixel -- 픽셀 이름(예: "R_0_0")을 흡수 전력 스펙트럼에 매핑하는 딕셔너리.
• incident_power -- 전체 입사 전력 스펙트럼.

반환값: 픽셀 이름을 QE 배열에 매핑하는 딕셔너리.

from_poynting_flux

@staticmethod
def from_poynting_flux(
    flux_top: np.ndarray,
    flux_bottom: np.ndarray,
    incident_power: np.ndarray,
) -> np.ndarray:

포토다이오드 영역의 상단과 하단에서의 포인팅 벡터(Poynting vector) 플럭스 차이로부터 QE를 계산합니다:

$$\text{QE}=\frac{S_{z,\text{top}}-S_{z,\text{bottom}}}{P_{\text{incident}}}$$

compute_crosstalk

@staticmethod
def compute_crosstalk(
    qe_per_pixel: Dict[str, np.ndarray],
    bayer_map: list,
) -> np.ndarray:

크로스토크 매트릭스(crosstalk matrix)를 계산합니다. 항목 $(i,j)$는 픽셀 $i$에 의도된 광량 중 픽셀 $j$에서 검출되는 비율을 나타냅니다.

반환값: (n_pixels, n_pixels, n_wavelengths) 형상의 3D 배열.

Interactive Pixel Crosstalk Heatmap

Explore how wavelength and pixel pitch affect optical crosstalk between neighboring pixels. The center pixel is illuminated; surrounding pixels show crosstalk intensity.

Wavelength: 550 nm

Pixel pitch: 1.00 um

Show Bayer overlay

Absorption Depth (Si):1.56 um

Nearest-neighbor Crosstalk:3.8%

Total Crosstalk:55.2%

spectral_response

@staticmethod
def spectral_response(
    qe_per_pixel: Dict[str, np.ndarray],
    wavelengths: np.ndarray,
) -> Dict[str, Tuple[np.ndarray, np.ndarray]]:

QE를 색상 채널별로 그룹화하고 동일 색상 픽셀을 평균합니다. 채널별(R, G, B) 분광 응답(spectral response)을 얻는 데 유용합니다.

반환값: 색상 이름(예: "R")을 (wavelengths, mean_qe) 튜플에 매핑하는 딕셔너리.

예제:

channel_qe = QECalculator.spectral_response(result.qe_per_pixel, result.wavelengths)
for color, (wl, qe) in channel_qe.items():
    print(f"{color}: peak QE = {qe.max():.2%} at {wl[qe.argmax()]*1000:.0f} nm")

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%

EnergyBalance

compass.analysis.energy_balance.EnergyBalance는 에너지 보존(energy conservation)을 검증합니다.

check

@staticmethod
def check(
    result: SimulationResult,
    tolerance: float = 0.01,
) -> dict:

모든 파장에서 $R+T+A\approx 1$을 검사합니다.

반환값: 다음 키를 포함하는 딕셔너리:

• valid (bool) -- 최대 오차가 허용 오차 미만이면 True
• max_error (float) -- 최대 $|R+T+A-1|$
• mean_error (float) -- 전체 파장에 대한 평균 오차
• per_wavelength (np.ndarray) -- 각 파장별 오차
• R, T, A (np.ndarray) -- 개별 스펙트럼

예제:

from compass.analysis.energy_balance import EnergyBalance

check = EnergyBalance.check(result, tolerance=0.02)
if not check["valid"]:
    print(f"Energy violation: max error = {check['max_error']:.4f}")

Energy Balance: R + T + A = 1

Adjust silicon thickness and BARL quality to see how reflection, transmission, and absorption partition the incident light across the visible spectrum.

Silicon thickness: 3.0 um

BARL quality: 70%

Max error:0.00e+0

Mean error:0.00e+0

Validation:✓ Pass

Peak absorption:380 nm

SolverComparison

compass.analysis.solver_comparison.SolverComparison은 여러 솔버의 결과를 비교합니다.

생성자

class SolverComparison:
    def __init__(
        self,
        results: List[SimulationResult],
        labels: List[str],
        reference_idx: int = 0,
    ):

매개변수:

• results -- 서로 다른 솔버의 SimulationResult 객체 리스트.
• labels -- 각 솔버의 표시 라벨.
• reference_idx -- 기준 결과의 인덱스 (기본값: 첫 번째).

qe_difference

def qe_difference(self) -> Dict[str, np.ndarray]:

각 픽셀에 대해 기준 대비 절대 QE 차이를 계산합니다. "grcwa_vs_torcwa_R_0_0"과 같은 키를 가진 딕셔너리를 반환합니다.

qe_relative_error

def qe_relative_error(self) -> Dict[str, np.ndarray]:

기준 대비 상대 QE 오차(%)를 계산합니다:

$${\text{Error}}_{\mathrm{\%}}=100\times \frac{|{\text{QE}}_{\text{solver}}-{\text{QE}}_{\text{ref}}|}{|{\text{QE}}_{\text{ref}}|}$$

runtime_comparison

def runtime_comparison(self) -> Dict[str, float]:

솔버 라벨을 실행 시간(초)에 매핑하는 딕셔너리를 반환합니다 (result.metadata["runtime_seconds"]에서 가져옴).

summary

def summary(self) -> dict:

포괄적인 비교 요약을 반환합니다:

{
    "max_qe_diff": {"grcwa_vs_torcwa_R_0_0": 0.012, ...},
    "mean_qe_diff": {"grcwa_vs_torcwa_R_0_0": 0.004, ...},
    "max_qe_relative_error_pct": {"grcwa_vs_torcwa_R_0_0": 2.1, ...},
    "runtimes_seconds": {"torcwa": 0.3, "grcwa": 0.5},
}

예제:

from compass.analysis.solver_comparison import SolverComparison

comp = SolverComparison(
    results=[rcwa_result, fdtd_result],
    labels=["torcwa", "fdtd_flaport"],
)

summary = comp.summary()
print(f"Max QE difference: {max(summary['max_qe_diff'].values()):.4f}")
print(f"Runtimes: {summary['runtimes_seconds']}")