MIT 实现『超表面』透镜技术新突破，快速绘制各种光学效果图案，解决高挑战性光学设计
我们大多数人都知道光学透镜是一种曲面透明塑料或玻璃，而显微镜，眼镜和相机等设备都通过它们来聚焦光线。在大部分情况下，透镜的曲面形状自数个世纪前的诞生日以来就没有发生过太大的变化。
但在过去十年间，工程师已经开出一种名为“超表面”的超薄材料。超表面可以实现远远超过传统曲面透镜的光线技术。工程师以比人类发丝小数百倍的宽度来蚀刻每一个纹理，从而形成特定的图案，并使得整个表面能够非常精确地散射光线。但挑战在于：确切地知道产生所需光学效果所需的图案。
这正是麻省理工学院的数学家希望解决的问题。团队日前在《Optics Express》发布了关于一种全新计算技术的研究：其可以快速确定超表面的数百万个微纹理的理想组成与排列，从而生成一种以特定方式操纵光线的平面透镜。
原来的研究主要是将可能的图案限制为预定形状的组合，如具有不同半径的圆形孔，但这种方法仅代表潜在图案的冰山一角。
这项新技术首次为大尺寸光学表面设计出完全任意的图案（尺寸为1平方厘米。考虑到每个单独的序列不超过20纳米宽，这已经属于一个相对较大的面积）。麻省理工学院的数学系教授Steven Johnson指出，所述的计算技术可以快速绘制出一系列光学效果所需的图案。
他解释说：“假设你希望一种透镜能够支持多种不同的颜色，或者你希望光线能够形成光束或某种全息图或光镊，而非聚焦于一点。你可以告诉我们你的需求，然后这项技术就可以提供所需的图案。”
除了Johnson之外，论文作者包括Zin Lin, Raphaël Pestourie和Victor Liu。
1. 逐像素
一个超表面通常分为纳米尺寸的像素。你可以对每个像素进行蚀刻或不作任何处理。蚀刻的像素可以组合成任何数量的不同图案。
研究人员已经为微米级的小型光学元件开发出用于搜索潜在像素图案的计算机程序。这种微小的、精确的结构可支持微型激光器捕获和引导光线。根据组件中的每一个像素，所述的计算机程序可以通过求解麦克斯韦方程式（一组描述光线散射的基本方程式）来搜索精确的图案，然后逐像素地调整图案，直到结构能够产生所需的光学效果。
但Johnson指出，对于毫米级或厘米级的大尺寸表面而言，逐像素的模拟任务几乎不可能实现。因为计算机面对的是数个量级的像素增加，而且为了达到最优的图案，计算机同时需要为多种潜在的像素排列运行多个模拟。
他表示：“要捕捉完整的结构，你必须以足够大的尺度进行模拟，但要捕捉精细的细节，你又必须以足够小的尺度进行模拟。如果你直捣黄龙，这样的组合确实会产生巨大的计算问题。如果拥有地球最大的超级计算机，并且拥有足够的时间，你可以模拟其中一种图案。但这不太现实。”
2. 一次攀山之旅
研究团队构思了一种可以有效为大尺寸表面模拟理想像素图案的快捷方式。研究人员不必为每平方厘米材料中的每个纳米尺寸像素求解麦克斯韦方程，只是为像素“块”求解方程式即可。
他们研发的计算机模拟首先对一平方厘米进行随机蚀刻。研究人员将表面划分为像素组或像素块，并使用麦克斯韦方程来预测每个像素块将如何散射光线。然后，他们近似地拼合像素块，从而确定光线是如何在整个随机蚀刻的表面进行散射。
从这个起始图案开始，团队采用了一种名为拓扑优化的数学技术，然后在多次迭代中调整每个像素块的图案，直到最终的整体表面或拓扑能够以优选的方式散射光线。
Johnson将这种方法比作是眼睛蒙住，然后寻找上山的道路。为了产生所需的光学效果，像素块中的每个像素应该具有最佳的蚀刻图案，这可以被认为是山峰。对于像素块中的每个像素，寻找这个山峰属于拓扑优化问题。
他说道：“对于每个模拟，我们都在寻找调整每个像素的道路。然后你有了一个你可以重新模拟的新结构，并且每次上坡时都要继续这个过程，直到达到山峰，或者说优化的图案。”
团队研发的解决方案只需数小时就能识别出最优的图案。对于传统的逐像素方法，如果直接应用于大尺寸超比哦啊面，这将是几乎不可能完成的任务。
利用所述的技术，研究人员迅速为多种“超元件”或具有不同光学特性的透镜提出了优化的光学模式，这包括从任何方向吸收入射光并将其聚焦到单个点的太阳能聚光器。
Johnson指出：“比方说相机中的透镜，如果它把焦点对准你，它应该能够同时聚焦所有颜色。红色不应该聚焦，但蓝色失了焦。所以为了允许它们进入同一个位置，你必须构思一种以相同方式散射所有颜色的图案。我们的技术能够得出一种可以完成所述目标的图案。”
展望未来，研究人员将联手工程师蚀刻复杂的图案并产生大尺寸的超表面，从而用于智能手机和其他光学应用。
论文作者之一Raphaël Pestourie表示：“这种表面可以作为自动驾驶汽车的传感器，或者用于需要优秀光学元件的增强现实。这种技术可允许你解决更具挑战性的光学设计。”
值得一提的是，美国陆军研究署（U. S. Army Research Office）为这项研究提供了一定的资金支持。
上一篇：挑战相机、人物同时移动，谷歌实现高质量3D深度信息重建，避免…[ 07-16 ]
下一篇：没有了！
