CRA Cone Illumination Sweep 리포트

생성일: 2026-06-11. ConeIlluminationRunner와 실제 PixelStack 경로에서 생성.

이 리포트는 더 큰 sensor edge 연구에 쓰기 전에 cone illumination workflow를 검증한다. 빠른 planar-stack integration check와 낮은 order의 patterned torcwa smoke run을 분리했다.

요약

• TMM cone integration은 5개 sampling method와 4개 sample count로 sweep했다. sampled max |A-A_ref| 최대값은 0.0068, 49-point 최선 결과는 2.72e-05다.
• CRA/F-number map은 CRA 0, 10, 20, 30 deg와 F/1.4, F/2.0, F/2.8, F/4.0에 대해 49-point Hammersley cone으로 생성했다.
• patterned torcwa smoke run은 F/2.0, angular sample 5개, TE, 550 nm 조건이다. 이 low-order check에서 auto-shift mean-QE delta는 -0.0025부터 7.54e-05까지였다.

범위

torcwa 섹션은 low-order path check이며, converged edge-pixel 설계 결과가 아니다. CRA와 microlens shift가 solver path에 연결되는지 확인한 뒤, production에서는 Fourier order와 cone sample을 늘려야 한다.

Cone sampling map

빨간 십자는 chief ray다. marker 면적은 normalized cone integration weight를 따른다.

TMM integration convergence

Reference: TMM, CRA 20 deg, F/2.0, 181-point Hammersley cone, wavelength 450/550/650 nm.

sampling	5 pts	13 pts	25 pts	49 pts
fibonacci	0.0026	0.0013	0.0009	2.72e-05
rings	0.0067	0.0059	0.0011	0.0005
halton	0.0051	0.0057	0.003	0.0012
hammersley	0.0068	0.0024	0.0002	0.0002
grid	0.0009	0.0009	0.0001	2.77e-05

CRA 및 F-number 응답

CRA	min A@550 over F/#	max A@550 over F/#	range
0	0.2012	0.2031	0.0019
10	0.2013	0.2109	0.0097
20	0.2128	0.2309	0.0181
30	0.2462	0.2574	0.0112

Patterned torcwa smoke

CRA	shift	R@550	T@550	A@550	mean QE@550	QE_R	QE_G	QE_B	energy residual	runtime s	error
0	none	0.0317	0.0007	0.9676	0.0058	0.0053	0.0061	0.0056	0	3.2284	-
10	none	0.0306	0.0007	0.9687	0.0058	0.0053	0.0061	0.0056	0	1.3253	-
20	none	0.0282	0.0007	0.9711	0.0057	0.0053	0.006	0.0056	0	1.3186	-
30	none	0.0231	0.0007	0.9762	0.0056	0.0052	0.0059	0.0055	2.22e-16	1.317	-
0	auto_cra	0.0317	0.0007	0.9676	0.0058	0.0053	0.0061	0.0056	0	1.365	-
10	auto_cra	0.0265	0.0007	0.9728	0.0058	0.0054	0.0062	0.0056	0	1.3738	-
20	auto_cra	0.0215	0.0006	0.9778	0.0052	0.0052	0.0055	0.0045	2.22e-16	1.3694	-
30	auto_cra	0.0193	0.0004	0.9803	0.0031	0.0032	0.0036	0.0021	2.22e-16	1.2832	-

해석

• 이 대칭 planar TMM gate에서는 grid와 Fibonacci가 49 sample에서 모두 잘 수렴한다. Patterned RCWA workflow에서는 structured angular bias를 피하기 위해 low-discrepancy sampling을 기본값으로 두는 편이 안전하다.
• TMM은 angular integration behavior를 lateral pixel geometry에서 분리한다. 따라서 convergence gate에는 유용하지만 microlens focus나 crosstalk는 모델링하지 않는다.
• torcwa smoke run은 실제 patterned PixelStack 경로를 실행한다. Fourier order와 sample count가 의도적으로 낮기 때문에 숫자는 QE proxy로 표시한다.

재생성

uv run python scripts\generate_cra_cone_report.py

생성 metric은 docs/public/reports/cra-cone/cra_cone_metrics.json에 저장된다.