双旋转补偿器缪勒矩阵椭偏仪的基于模型参数优化策略
《Optics and Lasers in Engineering》:A model-based parameter optimization strategy for dual-rotating-compensator mueller matrix ellipsometers
【字体:
大
中
小
】
时间:2026年09月21日
来源:Optics and Lasers in Engineering 4.2
编辑推荐:
# 摘要
双旋转补偿器穆勒矩阵椭偏仪是表征薄膜和纳米结构的重要工具。然而,其测量精度对系统配置参数高度敏感。调制-解调过程中产生的随机噪声通过傅里叶变换传播至穆勒矩阵元素,成为限制系统精度和重复性的主要因素。本研究采用解析方差模型,揭示了随机误差的传播机制,并评估了配置参数
# 摘要
双旋转补偿器穆勒矩阵椭偏仪是表征薄膜和纳米结构的重要工具。然而,其测量精度对系统配置参数高度敏感。调制-解调过程中产生的随机噪声通过傅里叶变换传播至穆勒矩阵元素,成为限制系统精度和重复性的主要因素。本研究采用解析方差模型,揭示了随机误差的传播机制,并评估了配置参数的单独及耦合效应。随后开发了一种多维协同分层优化算法,通过分布引导的稀疏采样高效识别最优配置。数值模拟结果表明,优化后的配置将穆勒矩阵总理论方差较传统单变量和多变量条件数配置分别降低了50.6%和30.0%。实验进一步证实,接近理论最优值的可实现配置能够降低测量方差并提高重复性。该结果缓解了穆勒矩阵某些元素对随机噪声过度敏感的问题,为实现高精度、高重复性的完整穆勒矩阵表征提供了新的优化策略和理论参考。
# 引言
穆勒矩阵椭偏术(MME)已广泛应用于集成电路[1]、平板显示器[2]、光伏太阳能电池[3]和生物医学技术[4]等多个领域。随着各领域样品尺寸不断缩小、测量结构日益复杂[[5],[6],[7],[8],[9]],对MME的精度要求也愈发严苛。在各种MME配置中,双旋转补偿器穆勒矩阵椭偏仪(DRC-MME)因其能够在单次测量中获取样品的完整穆勒矩阵[12,13],已成为现代薄膜分析不可或缺的精密计量工具[10,11]。特别是在表征各向异性材料[14]、纳米结构薄膜[14]以及表现出复杂去偏振效应的样品[11,[15],[16],[17]]时,DRC-MME相比传统椭偏仪[18]能够提供更加全面的微观结构和光学常数信息。由于其复杂的双轴同步调制与解调机制,DRC-MME的理论精度对系统配置参数表现出高度的敏感性。系统参数的任何细微偏差或不恰当配置都会在复杂的数据还原过程中被显著放大,最终导致样品光学常数和结构参数的反演误差。
在偏振表征中,系统误差和随机误差是降低整体精度的两大主要来源[19]。系统误差通常源于非理想仪器特性,可通过精确的校准程序进行补偿[20,21]。相比之下,随机误差在物理上是不可避免的,表现为探测器采集信号中的随机统计波动。在各种因素的综合作用下,实际测量中获得的光强数据不再代表理想的确定性值。具体而言,这些干扰源主要来自复杂的物理和环境因素:热诱导的暗电流和电路热噪声、光电转换过程中光子随机到达引起的散粒噪声、光源波动或机械振动引入的调制噪声,以及环境杂散光和电子不稳定性导致的光电不稳定。在后续的数据还原过程中,叠加在光强信号上的这些随机波动通过傅里叶变换传播至归一化傅里叶系数,并最终传播至导出的穆勒矩阵元素,成为限制系统理论精度的主要误差来源[22]。
近年来,关于穆勒矩阵椭偏术中测量误差建模与抑制的研究涉及统计噪声传播、触发信号误差、实时干扰补偿和仪器非理想性等方面。Miao等人[22]开发了一种包含暗噪声、散粒噪声和光源波动噪声的参数噪声模型,推导了DRC-MME中归一化傅里叶系数的期望和方差,并通过蒙特卡洛模拟和重复测量验证了理论结果,从而为从原始光强噪声预测系统随机误差提供了统计基础。Jiang等人随后分析了双旋转穆勒矩阵椭偏仪中的泊松-高斯混合噪声和随机触发信号偏差[23]。他们优化了仪器矩阵以减少高斯加性噪声和泊松散粒噪声引起的估计方差,并采用峰值匹配算法抑制触发偏差引起的重复性误差。Qi等人提出了一种基于参考光路的DRC-MME误差校正方法,以减轻由光源波动、电机旋转不稳定性、环境干扰等因素引起的实时测量误差[24]。通过在穆勒矩阵重构公式中引入额外的参考光路,其方法有效降低了穆勒矩阵元素的绝对误差和标准偏差。更近期地,Kang等人开发了一种补偿器去偏振的模型,作为仪器非理想性的一种,并研究了其对穆勒矩阵椭偏术测量的影响[25]。他们的工作侧重于建模和校正补偿器去偏振引起的系统测量误差,而本研究则针对随机光强波动的统计传播和系统配置参数的联合优化。
除了上述关于测量误差建模与抑制的近期研究外,优化系统配置参数以减少噪声放大是改善穆勒矩阵椭偏术准确性和稳定性的另一种重要途径。现有研究主要采用条件数、基于方差和协方差传播的度量来评估和优化偏振测量系统的配置。基于奇异值分解,Sabatke等人[26]采用等权重方差度量来评估旋转延迟器斯托克斯偏振计中的噪声传播,获得了约132°的最优补偿器延迟量,并证明该配置相比传统的四分之一波配置提供了更高的信噪比。Smith随后采用条件数来评估双旋转延迟器穆勒矩阵偏振计中的误差放大,发现两个补偿器的最优延迟量约为127°,而非通常采用的90°[27]。Tyo从信噪比和系统参数误差两个角度研究了偏振计优化[28]。结果表明,最小化系数矩阵条件数的配置不一定能最小化系统误差,因为所得测量精度还取决于测量矩阵对特定参数误差的敏感性。Twietmeyer和Chipman进一步发展了一种同时包含测量噪声和仪器参数误差的协方差传播模型[29]。他们以所有穆勒矩阵元素方差之和作为误差度量,证明最优配置可能随假设的误差来源和被测样品而变化。对于DRC-MME,Du等人[30]采用条件数分别研究了补偿器转速比、采样点数、偏振片和检偏器方位角以及补偿器延迟量对系统性能的影响。他们报告了转速比为5:3、72个采样点、偏振片和检偏器方位角为22°、两个补偿器延迟量均为110°时总体性能良好的结果。然而,其优化过程主要逐一改变一个参数同时固定其余参数,初始补偿器方位角也保持恒定。因此,物理配置参数之间的非线性耦合未被充分考虑。
综上所述,条件数提供了仪器系数矩阵病态性的有用度量以及误差放大的理论上界,但无法直接量化在给定噪声模型下单个穆勒矩阵元素的统计方差。基于协方差传播的方法可以提供对测量不确定度的更直接评估,但现有DRC-MME配置研究未充分考虑多个内部光学参数之间的非线性耦合。针对这些局限,本研究从原始光强信号的参数噪声模型出发,结合双旋转补偿器系统的完整傅里叶调制与解调过程,推导穆勒矩阵元素的随机误差方差。然后以所有穆勒矩阵元素的方差之和作为目标函数,联合优化偏振器方位角、检偏器方位角、两个补偿器的初始方位角及其延迟量。该方法考虑了光学参数之间的非线性耦合,并在给定噪声模型和参数约束下确定了最优系统配置。
## 小节片段
### 双旋转补偿器穆勒矩阵椭偏仪的工作原理
DRC-MME通过分析偏振光与样品相互作用前后的偏振态变化来实现光学常数和膜厚等关键参数的反演与提取。其光学布局示意图如图1所示。
光源发出的光束通过偏振片变为线偏振光。随后,它穿过第一旋转补偿器,该补偿器对入射光进行调制
### 随机误差传播模型
在实际测量中,探测器输出信号$S_j$是瞬时光强在单个采样曝光窗口内的时间积分。假设在一个$\pi/\omega$光学周期内有$N$个采样点,每个样本的曝光时间为$\pi/N\omega$。因此,第$j$个采样点处的光强表达式为:
$$S_j = \int_{(j-1)\frac{\pi}{N\omega}}^{j\frac{\pi}{N\omega}} I_0 \left[1 + \sum_{n=1}^{16} (\alpha_{2n}\cos(2n\omega t - \phi_{2n}) + \beta_{2n}\sin(2n\omega t - \phi_{2n}))\right] dt$$
$$= I_0 \frac{\pi}{N\omega} + \sum_{n=1}^{16} \frac{I_0}{n\omega}\left(\sin\frac{n\pi}{N}\right) \times \{\alpha_{2n}\cos[(2j-1)\frac{n\pi}{N} - \phi_{2n}] + \beta_{2n}\sin[(2j-1)\frac{n\pi}{N} - \phi_{2n}]\}$$
然而,
### 数值模拟与全局参数优化
本节的具体研究结构如下:首先,通过蒙特卡洛模拟对DRC-MME的理论随机噪声模型进行数值验证,确保解析推导与统计分布之间的一致性。随后,基于该模型进行多维参数模拟,深入探究各系统参数之间的非线性耦合特性。在此基础上,采用多维
## 结论
为了解决由随机噪声传播引起的双旋转补偿器穆勒矩阵椭偏术(DRC-MME)精度限制问题,本研究在前人单参数分析的基础上,系统地研究了偏振器和检偏器方位角、两个补偿器初始方位角以及它们相位延迟量之间的耦合关系。基于这些参数的响应特性,提出了多维协同分层优化(MSHO)
## 术语表
不适用。
## 生成式AI及AI辅助技术在写作过程中的使用声明
在本作品的准备过程中,作者使用了Gemini以提高稿件的英语语言和写作流畅性。在使用该服务后,作者根据需要审阅和编辑了内容,并对所发表文章的内容承担全部责任。
## 资助
本工作部分得到上海自然科学基金(批准号21ZR1424600)资助,部分得到国家自然科学基金(批准号51975116)资助,部分得到上海自然科学基金(批准号21ZR1402900)资助。作者还感谢编辑和审稿人提出的宝贵建议和辛勤工作。
## CRediT作者贡献声明
**曹佳佳**:撰写-初稿、可视化、软件、方法论、调查、正式分析、数据管理、概念化。
**李志松**:撰写-审阅与编辑、验证、监督、资源、项目管理、资金获取。
## 利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。
## 致谢
无。
**曹佳佳 | 李志松**
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号