做DOE设计的人，大概率都经历过这样一个瞬间：
算法跑完了，相位图也出来了，文件夹里安安静静躺着一张“看起来很像那么回事”的全息相位图。这个时候，最让人上头的问题就来了——这张图，真的能打吗？
它到底能不能把光整形成我想要的样子？ 它在目标面上到底会不会形成设计中的光斑？ 它是“理论上可行”，还是“实际上翻车”？ 如果直接拿去加工，最后会不会花了钱、等了周期，结果出来一看：不对劲？
说白了，DOE设计里最怕的，从来都不是没有相位图，而是你手里明明已经有了相位图，却不知道它到底靠不靠谱。
所以今天这篇，我想分享一个特别实用、也特别适合工程场景的方法：怎么用 VirtualLab Fusion 里的 Data-Defined Transimission(CF-TRAN01)，把一张设计好的相位图，真正变成可验证的DOE模型，并且在加工之前，先把结果看明白。
这次我们不讲特别复杂的大系统，就拿一个非常典型、也非常有代表性的案例来讲：验证一个 3×3 分束DOE 的整形效果。
如果你正在做DOE设计，或者你手上已经有相位图了，但还不知道该怎么验证，这篇基本可以直接拿去照着做。
一、为什么DOE设计一定要先验证？
先说一个特别现实的问题。很多时候，我们做DOE设计的流程都是这样的： 先设定目标光场，然后通过迭代算法、优化方法或者其他设计手段，最后得到一张相位图。到这里，很多人会下意识觉得，工作完成得差不多了。但实际上，真正危险的地方，往往恰恰就在这之后。因为相位图设计完成和最终光场重建正确之间，并不能直接画等号。中间还隔着很多坑，比如：
相位灰度和真实相位的映射有没有搞对？ 导入软件之后，物理量是不是设置错了？ 传播距离是不是和设计工况一致？ 连续相位一旦变成多台阶，效果会不会掉得很厉害？ 目标点阵有没有出来？ 出来了之后均匀性好不好？ 有没有一堆杂散光和鬼像？
这些问题，如果不提前验证，最后就很容易演变成一句熟悉的话：
“设计的时候感觉没问题啊。”
但光学系统这东西，最不认感觉。尤其DOE这种器件，本身就对相位调制、采样、量化、传播条件都非常敏感。你只要有一个环节理解偏了、映射错了，最后出来的结果就可能和预期差很远。所以对DOE来说，仿真验证不是有空可以做一下，而是最好在加工前必须做。它最大的价值，不只是让你看一张结果图，而是让你在真正花钱、花时间流片之前，先判断这条路到底值不值得走。
二、这个案例要解决什么问题？
这次我们验证的是一个很经典的DOE任务：把一束高斯光，整形成一个 3×3 的点阵。任务本身不复杂，但特别适合拿来讲清楚验证思路。
如图1所示，系统参数如下：光源是高斯光源 束腰直径 8 mm，也就是束腰半径 4 mm 波长 532 nm DOE器件尺寸 8 mm × 8 mm 目标平面位于DOE后方 200 mm 目标是看目标面上能不能得到 3×3 点阵分布
图1. 532nm激光3×3分束DOE建模任务
这个案例好就好在，它非常像真实项目里的一个最小闭环。有输入光； 有设计好的相位图； 有DOE器件； 有传播距离； 有目标观察面； 最后还有一个明确的问题：到底有没有实现分束？如果你把这个案例吃透了，后面不管你做的是二维点阵、平顶光斑、特殊图形投影，还是更复杂的光束整形，基本逻辑都是通的。
三、Data-Defined Transimission(CF-TRAN01) 到底好用在哪？
Data-Defined Transimission(CF-TRAN01)本质上就是一个“把外部定义好的光学调制函数，真正加载进系统里参与计算”的工具。我们在DOE设计里常见的输出形式是什么？ 往往就是一张相位图。问题是，这张相位图本身只是一个文件，它不会自己参与光传播。你得先想办法把它变成一个“有物理意义的器件”，软件才能拿它去调制入射光场。Data-Defined Transimission(CF-TRAN01) 的作用，恰恰就是把这件事接起来。
它不是让你重新从零定义复杂的公式，也不是逼你手工一个像素一个像素地搭建DOE结构，而是允许你把已有的相位结果导入进来，转成透过率函数，再让这个函数真正作用在光束上。
对工程人员来说，这个方式真的很友好。
因为实际工作中，很多时候我们最不缺的是设计结果，最缺的是把设计结果快速变成验证模型的能力。Data-Defined Transimission(CF-TRAN01) 刚好把这一步给补上了。更重要的是，它还不只是能验证理想连续相位。你甚至可以进一步做多台阶量化，去看实际加工之后效果会不会明显变差。
这一点非常关键。因为很多DOE在设计阶段都很漂亮，仿佛天下无敌；一旦考虑工艺台阶数、实际制造精度，结果马上就开始“掉血”。如果你只看理想相位，不看量化结果，那很多时候你验证出来的是“理论好看”，不是“工程可做”。
四、这个案例具体怎么做？
整个流程其实不复杂，总共可以分成五步，如图2所示。真正做一遍之后你会发现，它比很多人想象中要直观得多。
图2. Data-Defined Transmission使用指南
第一步，先把系统骨架搭起来
在光路编辑器里，先加三个元件：高斯光源 | Data-Defined Transimission(CF-TRAN01) | 探测器
这就是最基本的自由空间传播链路： 光源发光，经过DOE调制，最后在目标平面上看结果。
然后把关键参数设好：高斯光源束腰半径设为 4 mm 波长设为 532 nm 探测器和 Data-Defined Transimission(CF-TRAN01) 的距离设为 200 mm。这一步虽然简单，但绝对不能马虎。尤其是传播距离，很多时候结果不对，不是因为DOE不行，而是因为你把探测面放错了。DOE设计通常是针对特定目标平面完成的，你测的位置不对，看到的自然也不是目标图样。所以这里的逻辑很简单：设计在哪儿成像，你就在哪儿看。
第二步，把相位图导进来。
图3. 导入相位图创建Harmonic Field
接下来，如图3所示，导入设计好的相位图。这里特别建议用灰度图。原因很现实：灰度图最适合作为相位映射的载体，导入的时候更清晰，也更容易控制物理量对应关系。在导入时，不是简单把它当成一张图显示出来，而是要选择创建 Harmonic Field，并把物理量设置成“相位”。这一步非常关键，甚至可以说决定了后面结果到底有没有意义。因为此时软件并不是在看这张图长什么样，而是在理解每一个像素到底代表多少相位。
这就涉及到一个特别容易翻车的问题：相位范围映射。比如你的相位图设计时本来对应的是 0 到 2π，但导入时你只设置成了 0 到 π，那么结果必然失真。看起来只是参数填错了一点点，实际上整个波前调制都变了。所以这里一定要根据你相位图原始编码方式，正确设置最小值和最大值。很多DOE验证翻车，不是算法不行，而是这一步物理量映射出了问题。
第三步，把相位数据变成真正的透过率函数
导完相位图之后，还没完。因为你现在拿到的，还是一个带有物理信息的数据对象，它还不是一个真正能放进系统里调光的“器件”。所以接下来要做的，就是选中这个 Harmonic Field，然后点击创建 Transmission。这一步本质上就是在做一件事： 把“相位分布”转化成“对光场有调制作用的透过率函数”，如图4左图所示。
图4. 从Harmonic Field创建Transmission(左)和将Transmission导入Data-Defined Transimission(CF-TRAN01)(右)
第四步，把透过率函数塞进 Data-Defined Transimission(CF-TRAN01) 里
来到最关键的一步：把刚才生成的透过率函数导入 Data-Defined Transimission(CF-TRAN01) 中，让它正式成为这个元件的调制内容，如图3右图所示。到这里，Data-Defined Transimission(CF-TRAN01) 就不再是一个空壳了，而是变成了一个由你的相位图定义出来的DOE器件。
这一步好用的地方，不仅仅在于“导入成功”。更大的价值在于，Data-Defined Transimission(CF-TRAN01) 通常还支持对连续相位图做多台阶量化处理。也就是说，你可以在这里进一步模拟现实工艺。
为什么这很重要？因为理想中的DOE通常是连续相位，而实际加工出来的，往往是有限台阶，比如二值、四台阶、八台阶、十六台阶等等。台阶越少，对理想波前的逼近通常越差，衍射效率、均匀性、背景噪声都可能受影响。所以如果你只验证连续相位，那你得到的是理论最优表现； 如果你进一步验证量化相位，你看到的才更接近实际落地表现。这一层差别，往往决定了一个方案到底能不能真的走到制造。
第五步，跑起来，看结果说话
最后，把计算引擎设置为场追迹，选好合适的传播算子，然后运行。为什么这里推荐场追迹？因为DOE本质上是对光场相位进行精细调制，最终你关心的是经过传播之后，目标面上的振幅和相位怎么演化成目标光斑。场追迹方法在这类问题上非常合适，能够比较完整地保留波动光学信息。
仿真结束后，直接看探测器上的光斑分布。
这个案例里，最终看到的是一个比较清晰的 3×3 点阵，如图5所示。也就是说，这张设计好的相位图，经过 Data-Defined Transimission(CF-TRAN01) 加载并完成自由空间传播之后，成功把入射高斯光整形成了目标图样。到这里，这个DOE设计至少完成了最基础也最重要的一项验证： 它确实“做出了想做的事”。
图5. 经过DOE整形后生成的3×3点阵图
五、看到 3×3 点阵，就算结束了吗？
其实还不够。很多人第一次做验证时，只要看见九个点出来了，就会下意识觉得：成了。但如果你站在更工程化一点的角度，判断一个DOE设计好不好，远不止“有没有分出来”这么简单。至少还应该继续看几个问题。
第一，九个点的位置准不准？ 是不是在你预期的位置上？ 点与点之间的间距对不对？ 如果位置跑偏了，那可能不是设计本身错了，也可能是传播距离、采样设置或者导入映射出了问题。
第二，能量均不均匀？ 九个点是不是差不多亮？ 还是中间特别亮、边上特别暗？ 对于很多应用来说，均匀性甚至比“分成几个点更重要。
第三，背景干不干净？ 目标点阵之外，是不是还有明显杂散光、鬼像、拖尾或者噪声底？ 一个真正好用的DOE，不能只会生成目标，还得尽可能压住非目标。
第四，量化之后还稳不稳？ 连续相位下效果很好，不代表台阶化之后也好。 如果量化后性能掉得很明显，那说明这个设计对工艺特别敏感，落地风险就会比较大。
所以，仿真验证这件事，真正的意义不是截图一张结果图，而是借助结果图去判断： 这个设计，到底是看起来不错，还是真的值得做。
六、为什么这个方法特别适合工程验证？
我自己觉得，这个方法最有价值的地方，不在于它多炫，而在于它特别接地气。因为真实项目里，我们经常遇到的情况是：相位图已经有了、 时间很紧、又不想重新从头建复杂模型、还希望尽快知道这个方案值不值得继续推进。这时候，Data-Defined Transimission(CF-TRAN01) 这套流程就特别顺手。它的优势很明显：
第一，上手快。 对已有相位图的设计来说，不需要你从零再建构器件。
第二，衔接自然。 很多DOE算法输出的本来就是图片格式或者相位分布文件，直接就能往下走。
第三，结果直观。 目标面上到底长什么样，探测器一看就知道。
第四，还能考虑制造因素。 通过相位量化，可以把验证从“理想世界”拉回“现实世界”。
第五，省成本。 很多坑，在仿真阶段踩掉，总比在流片回来之后踩要便宜得多。
总而言之，这个方法最大的意义，就是让DOE开发不再那么像“开盲盒”。
七、总结
这个案例虽然只是一个 3×3 分束DOE，但它很好地说明了一件事：DOE设计从来不是相位图出来就结束了，而是相位图出来之后，验证才真正开始。通过 VirtualLab Fusion 的 Data-Defined Transimission(CF-TRAN01)，你可以把设计好的相位图快速转成可计算的DOE模型，再结合场追迹去看目标平面的真实光斑分布。这样一来，不仅能判断设计是否达到了预期，还能进一步评估量化台阶、传播条件和器件性能之间的关系。
对于工程开发来说，这一步非常值。因为它帮你把很多本来要在制造之后才暴露的问题，提前挪到了仿真阶段。而这，恰恰就是光学仿真最迷人的地方： 不是替你画一张图，而是替你在真正投入成本之前，先把风险看见。如果你手里也有一张DOE相位图，还没验证过，那我真的建议你试一次。很多时候，一次仿真省下来的，不只是加工成本，更是整个项目反复试错的时间。
|
