今天搞了个好玩的——用COMSOL复现光子晶体扭转结构的能带和透射谱。这玩意儿和魔角石墨烯有点像,两个光子晶体叠一起转个角度,能带结构就开始整活了

comsol光学仿真文献复现 计算Moire晶格,扭转光子晶体结构能带,透射谱

先说说怎么建模。Moire晶格的关键是两个周期结构叠罗汉,这里用三角形空气孔光子晶体举例。COMSOL里手动画六边形晶格太麻烦,直接上脚本生成坐标:

matlab 复制代码
theta = 7.5; % 扭转角度
a = 500e-9;  % 原胞尺寸
r = 0.3*a;   % 空气孔半径

% 生成初始晶格坐标
[x_base, y_base] = meshgrid(-3*a:a:3*a, -3*a*sqrt(3)/2:a*sqrt(3)/2:3*a*sqrt(3)/2);
x_offset = x_base + a/2*mod(y_base/(a*sqrt(3)/2),2);
coords = [x_offset(:), y_base(:)];

% 应用旋转
R = [cosd(theta) -sind(theta); sind(theta) cosd(theta)];
rot_coords = (R * coords')'; 

这段代码生成两组旋转后的坐标点,导入COMSOL几何界面直接创建圆柱体空气孔就行。注意要控制原胞数量,3×3重复单元足够捕捉Moire特征,再大计算量爆炸。

能带计算的重点是边界条件设置。在"研究"里选频域,波矢k沿着不可约布里渊区边界扫描。这里有个坑------扭转结构原胞变大,得手动修改周期性条件:

java 复制代码
// COMSOL Java API片段
model.physics("pw").prop("Periodic").set("kappax", "k0x");
model.physics("pw").prop("Periodic").set("kappay", "k0y");
model.study("std1").feature("param").set("pname", new String[]{"k0x", "k0y"});

参数扫描时k0x和k0y要走六边形路径。建议用参数化扫描代替传统能带计算,否则遇到简并点容易漏模式。

comsol光学仿真文献复现 计算Moire晶格,扭转光子晶体结构能带,透射谱

透射谱部分更刺激。需要在上下表面加端口,注意高阶衍射的处理。这里用自定义散射边界条件防止反射:

cpp 复制代码
// 自定义材料表达式
double k0 = 2*M_PI*freq/3e8;
ex = ex - 1j*(k0*(x^2+y^2)^0.5)*scattering_field;

实测发现当扭转角接近7度时,透射谱在1550nm附近会出现双共振峰,和文献里的魔角现象吻合。不过计算时网格得加密到λ/10以下,否则共振峰位置漂移严重。

最后说个实用技巧:用LiveLink for MATLAB联动做后处理。COMSOL自带的绘图工具处理能带比较笨,用MATLAB抓取数据后上色处理更灵活:

matlab 复制代码
data = mphgetquad(model, 'e1', 'solution', 'sol1');
band_gap = (data.E > 0.8e15) & (data.E < 1.2e15); 
contourf(data.kx, data.ky, band_gap, 'EdgeColor','none');

这么搞出来的能带图可以直接标出带隙区域,比默认图表直观多了。算完记得喝杯咖啡------这破仿真没六个小时跑不完,趁这个时间正好补个觉。

相关推荐
2401_828890641 天前
正/余弦位置编码 Sinusoidal Encoding
python·自然语言处理·transformer·embedding
忧郁的橙子.3 天前
02-嵌入模型和向量数据库
数据库·embedding
钱彬 (Qian Bin)6 天前
基于Qwen3-VL-Embedding-2B与vLLM构建高精度多模态图像检索系统
embedding·vllm·多模态检索·qwen3-vl
AI资源库6 天前
解构嵌入模型之王:All-MiniLM-L6-v2 的文件树解密、蒸馏机制与工业级应用生态
langchain·nlp·bert·embedding·hugging face·fine-tuning·ai agent
CCPC不拿奖不改名6 天前
Langflow源代码解析01:源代码拉取、安装依赖项,并运行langflow
人工智能·python·深度学习·langchain·embedding·rag·langflow
uNhPiLgvQDpJ8 天前
MATLAB 路径规划仿真:让小车驶向目标
embedding
Rabbit_QL8 天前
【LLM表示基础】Embedding Lookup:神经网络如何“理解“一个词
人工智能·神经网络·embedding
ASS-ASH12 天前
AI时代之向量数据库概览
数据库·人工智能·python·llm·embedding·向量数据库·vlm
玄同76516 天前
LangChain v1.0+ Retrieval模块完全指南:从文档加载到RAG实战
人工智能·langchain·知识图谱·embedding·知识库·向量数据库·rag