AR 光波導結構優化案例

AR 光波導顯示技術

光學穿透式頭戴顯示（AR眼鏡）作為AR技術的主要硬體載體，近年來，受到了科學界和產業界的廣泛關注。其中以光波導的形式體積最薄，關於各式波導結構有許多相關的研究，但如何優化出最佳的光柵炸結構已達到設計需求會是困難點，本文以AR光波導技術為例，說明如何利用Lumerical／Zemax／optiSLang來進行AR的光波導結構優化設計。

Zemax光路結構設計與優化目標

在Zemax中建立光柵的結構分布，波長為530nm，X與Y的視場分別為12度與9度，X有11個點位Y有15個點位，共165視場點為均勻性優化的目標，光柵結構分布為機密文件，不公開說明。

光源打到光波導結構後，轉折置上方出瞳，為考慮到眼動範圍與括瞳效果。使用25個透鏡和接收器來觀測成像目標，預期結果為25個接收器（眼位）觀測結果都是各點均勻。

optiSLang與Zemax優化Workflow

Ansys的optiSLang是強大的優化與分析工具，有高級的優化算法，尋優快速、正確，且能與其他軟體工具進行互動，例如參數抓取與計算目標等等。使用Python的語法將Zemax的光柵參數，輸入到optiSLang並設定為優化變數。在optiSLang 2023R2的新功能中已具備跨平太串接功能，而不需要額外的Python語法。

之後在optiSLang中設定優化目標及流程，設定變數的上下限範圍，再利用Python和Zemax的結果對對接，並執行優化程序。

optiSLang設定變數及範圍

利用Python來進行進階的變數設定：

將同一列的轉向光柵或同一行的耦出光柵用函數描述，每組3個變數。
設定隨其他參數變化的變數範圍。

這次設定的優化變數為79項，包括各部位的光柵結構與距離等等。

optiSLang設定優化流程

設定多進行目標的敏感性分析（AMOP），多目標全域優化（One-Click Optimization）與單目標局域優化（Evolutionary Algorithm）做為尋優的演算法，optiSLang可從大量的優化變量與多項的優化目標中，建構出參數與目標間的響應曲面，並分析出高敏感性參數，設定優化的流程與目標方法如下：

optiSLang優化結果分析

AMOP（目標的敏感性分析）

AMOP可得出響應面，篩選出影響較大的參數，並預估較有可能成功的分布。

One-Click Optimization

One-Click Optimization會自動分析並從候選的優化法中選擇合適的優化法。當有多個優化目標時會計算Pareto Front得出較好的幾個結構。

Evolutionary Algorithm

Evolutionary Algorithm可進行全域及局域的混合優化。本案例中作為單目標（Contrast）優化器使用，會將前次模擬的Pareto Front作為起始點，進行局部優化。

優化模擬結果

在優化的時候為了快速找到趨勢與減少模擬時間與記憶體的佔用，我們使用較少的光跡數（30rays），與較差的解析度（165視場點）來進行模擬。當優化完成之後，我們可以提升更多的光跡數（20,000rays）和475個視場點，來提高視覺效果，優化的結果如下：