Efficiënte voorspelling en analyse van optische trapping op nanoschaal via eindige elementenscheur- en verbindingsmethode
Abstract
Numerieke simulatie speelt een belangrijke rol bij de voorspelling van optische trapping op basis van plasmonische nano-optische pincetten. Gecompliceerde structuren en drastische lokale veldversterking van plasmonische effecten brengen echter grote uitdagingen met zich mee voor traditionele numerieke methoden. In dit artikel wordt een nauwkeurige en efficiënte numerieke simulatiemethode voorgesteld op basis van een dual-oer eindige-elementen-scheuring en -verbinding (FETI-DP) en Maxwell-spanningstensor, om de optische kracht en het potentieel voor het vangen van nanodeeltjes te berekenen. Een low-rank sparsification-benadering wordt geïntroduceerd om de FETI-DP-simulatieprestaties verder te verbeteren. De voorgestelde methode kan een grootschalig en complex probleem ontleden in kleinschalige en eenvoudige problemen door gebruik te maken van niet-overlappende domeinverdeling en flexibele mesh-discretisatie, die een hoge efficiëntie en parallelliseerbaarheid vertoont. Numerieke resultaten tonen de effectiviteit aan van de voorgestelde methode voor de voorspelling en analyse van optische trapping op nanoschaal.
Inleiding
Plasmonische optische pincetten op basis van oppervlakteplasmonen (SP's) trekken veel aandacht en zijn op grote schaal toegepast om nanodeeltjes te vangen [1,2,3,4,5,6]. SP is een resonantiefenomeen dat wordt veroorzaakt door de koppeling van invallend licht met een specifieke golflengte en vrije elektronen op het grensvlak van de metalen en diëlektrica [7]. Met SP's kan het optische pincet de diffractielimiet doorbreken. Bovendien kan de drastische lokale veldverbetering van de SP's de vraag naar intensiteit van invallend licht verminderen [7, 8]. SP's zijn echter nauw verwant aan het materiaal en de afmetingen van objecten, evenals de golflengte van invallend licht, wat een groot aantal experimenten vereist om de optimale parameters van SP optische pincetten in de praktijk te bepalen. Op basis hiervan speelt de simulatiemethode een steeds belangrijkere rol als hulpmiddel bij het ontwerpen en optimaliseren van SP optische pincetten [9]. In deze simulaties is de berekening van optische kracht vereist om een stabiele trapping te voorspellen. Voor reguliere objecten zoals bollen kan de optische kracht analytisch worden afgeleid uit de algemene Lorenz-Mie-theorie [10, 11]. Voor objecten met gecompliceerde configuraties zijn echter numerieke methoden nodig die de heersende Maxwell-vergelijkingen rigoureus oplossen voor het modelleren van de elektromagnetische velden en de daaropvolgende optische kracht en potentiaal.
Deze numerieke methoden kunnen voornamelijk worden onderverdeeld in differentiaalvergelijkingsmethoden (DEM's) en integrale vergelijkingsmethoden (IEM's) [12,13,14,15]. Vergeleken met de IEM's laten differentiaalvergelijkingsmethoden (DEM's) superieure vaardigheden zien in het omgaan met gecompliceerde geometrieën en componenten. DEM's hebben ook het voordeel van een eenvoudige berekening van near-field distributie, die een belangrijke rol speelt bij de analyse van SP's. Als een representatieve DEM wordt de FDTD-methode (finite-difference time-domain) geïmplementeerd in het tijdsdomein, waarmee gemakkelijk breedbandinformatie en tijdelijke reacties kunnen worden verkregen [16, 17]. De FDTD vereist echter een nauwkeurig dispersief model om de frequentieafhankelijke materiaaleigenschappen in SP's te beschrijven, terwijl de nauwkeurigheid van de FDTD-oplossing sterk afhangt van de benaderingsnauwkeurigheid van dit dispersieve model [18]. Bovendien vertrouwt de FDTD op gestructureerde mazen, die vaak leiden tot trapfouten voor gebogen oppervlakken. Als een andere representatieve DEM is de eindige-elementenmethode (FEM) op grote schaal toegepast, omdat deze gemakkelijk dispersief materiaal in het frequentiedomein kan verwerken en de trapfout kan elimineren door ongestructureerde mesh [19,20,21,22]. Vergeleken met de FDTD kan de FEM direct gemeten materiaalparameters overnemen zonder enig benaderend dispersief model. Drastische lokale veldverbeteringen in de SP's vereisen echter fijne mazen in de FEM-discretisatie. Bovendien zullen objecten met grote afmetingen en meerdere objecten het aantal onbekenden drastisch verhogen. Deze factoren zullen leiden tot slecht geconditioneerde matrixsystemen en enorme rekenconsumpties, die grote uitdagingen met zich meebrengen voor traditionele FEM voor de analyse van SP-verbeterde optische trapping.
In dit artikel wordt een efficiënte dual-oer eindige-elementen-scheur- en verbindingsmethode (FETI-DP) geïntroduceerd om de optische trapping op nanoschaal te simuleren. De FETI-DP gebruikt een niet-overlappend domeindecompositieschema, dat een oorspronkelijk grootschalig complex probleem verdeelt in een reeks kleinschalige eenvoudige problemen om ze te overwinnen. Het dwingt een transmissievoorwaarde af op de subdomeininterfaces om de continuïteit van de ingediende bestanden te verzekeren, en introduceert een dubbele variabele om het oorspronkelijke driedimensionale (3D) probleem te reduceren tot een tweedimensionaal (2D) probleem door Lagrange-multiplier. Primaire variabelen in de subdomeinhoeken worden geëxtraheerd om de convergentiesnelheid van de iteratieve oplossing van het dubbele probleem te versnellen [23,24,25,26]. Er is een low-rank sparsification-benadering ontwikkeld om de prestaties van de FETI-DP te verbeteren. Het maakt gebruik van data-sparse-algoritmen om de efficiëntie te verbeteren voor het oplossen van de subdomeinproblemen en het dubbele probleem [27, 28]. De voorgestelde methode biedt volledig ontkoppelde subdomeinen, die de parallelle simulatie van optische kracht voor het vangen van nanodeeltjes mogelijk maken. De Maxwell-spanningstensor (MST) die de relatie tussen het elektromagnetische veld en het mechanische momentum onthult, wordt gebruikt om de optische kracht te evalueren [29]. Op basis van de verkregen optische kracht kan de optische potentiaal verder worden berekend voor de analyse van een stabiele trapping. Vergeleken met de IEM's is de voorgestelde methode krachtiger in het omgaan met samengestelde materialen en het oplossen van het nabije veld voor de op SP gebaseerde optische trapping. Vergeleken met de FDTD kan de voorgestelde methode nauwkeurig dispersief metaalmateriaal verwerken in de op SP gebaseerde optische vangsystemen en de trapfout elimineren voor de objecten met curvegrens. Vergeleken met de FEM is de voorgestelde methode geschikt voor grootschalige berekening van optische trapping. Verschillende voorbeelden worden geanalyseerd en numerieke resultaten demonstreren de nauwkeurigheid en efficiëntie van de voorgestelde methode voor de voorspelling en analyse van optische trapping op nanoschaal.
Methoden
FETI-DP-formuleringen
Voor de FETI-DP-implementatie wordt het oorspronkelijke rekendomein Ω eerst gescheurd in een reeks niet-overlappende subdomeinen Ω i (ik = 1, 2, 3⋯, N s ), zoals weergegeven in Fig. 1. In elk subdomein Ω i , kan een subdomein eindige elementensysteem worden afgeleid uit de vectorgolfvergelijking als
$$ \nabla \times {\mu}_r^{-1}\nabla \times {\mathbf{E}}^i-{k}_0^2{\varepsilon}_r{\mathbf{E}}^i ={jk}_0{\eta}_0{\mathbf{J}}_{\mathrm{imp}}^i\kern1.08em \mathrm{in}\kern0.24em {\Omega}^i $$ (1 ) $$ \hat{n}\times \nabla \times {\mathbf{E}}^i+{jk}_0\hat{n}\times \left(\hat{n}\times {\mathbf{E} }^i\right)=0\kern0.96em \mathrm{on}\kern0.24em {\Gamma}_{\mathrm{ABC}}^i $$ (2)Een domeinverdelingsschema met niet-overlappende subdomeinen in de FETI-DP-methode. een Origineel domein. b Verdeelde subdomeinen en gediscretiseerde meshes
waar E ik geeft het onbekende elektrische veld aan dat moet worden opgelost in \( {\Omega}^i \), k 0 en η 0 zijn respectievelijk het vrije-ruimtegolfgetal en de intrinsieke impedantie, en \( {\mathbf{J}}_i^{\mathrm{imp}} \) is de opgedrukte stroom. \( {\Gamma}_{\mathrm{ABC}}^i \) betekent de absorberende randvoorwaarde (ABC) om het oneindige open gebied af te kappen. Opgemerkt moet worden dat k 0 moet worden vervangen door de golfimpedantie in het medium als het omringende medium geen vrije ruimte is, wat gebruikelijk is voor optische trapping. Op de subdomeininterface Γ i , is een veronderstelde randvoorwaarde vereist om een volledig randwaardeprobleem te genereren in Ω i . Hier een transmissieconditie van het Robin-type met een onbekende hulpvariabele Λ ik wordt opgelegd als
$$ {\hat{n}}^i\times \left({\mu}_r^{-1}\nabla \times {\mathbf{E}}^i\right)+{\alpha}^i{ \hat{n}}^i\times \left({\hat{n}}^i\times {\mathbf{E}}^i\right)={\boldsymbol{\Lambda}}^i\kern1. 2em \mathrm{op}\kern0.36em {\Gamma}^i $$ (3)waarbij \( {\hat{n}}^i \) de eenheidsnormaal uitgaande vector op de subdomeininterface aangeeft Γ i , en α ik is een complexe parameter die vaak kan worden gekozen als jk 0 . Alle subdomeinen worden vervolgens gediscretiseerd door tetraëdrische elementen. In elk element breiden we E . uit met vectorbasisfuncties N en onbekende elektrische veldcoëfficiënt E als
$$ \mathbf{E}=\sum \limits_{p=1}^s{E}_p{\mathbf{N}}_p $$ (4)waar s geeft het aantal vectorbasisfuncties in elk tetraëdrisch element aan. s is gekozen als 6 voor traditionele basisfuncties van lage orde op basis van de rand, terwijl het groter is voor vectorbasisfuncties van hoge orde, aangezien aanvullende basisfuncties op basis van vlak of volume worden geïntroduceerd.
Toepassing van Galerkin's methode, de FEM-matrixvergelijking in Ω i over de onbekende elektrische veldcoëfficiënt E ik kan worden verkregen als
$$ \left(\begin{array}{cc}{\mathbf{K}}_{rr}^i&{\mathbf{K}}_{rc}^i\\ {}{\mathbf{K}} _{cr}^i&{\mathbf{K}}_{cc}^i\end{array}\right)\left(\begin{array}{l}{E}_r^i\\ {}{E }_c^i\end{array}\right)=\left(\begin{array}{l}{f}_r^i-{\mathbf{B}}_r^{i^T}{\lambda}^ i\\ {}{f}_c^i\end{array}\right) $$ (5)waarbij de subscript-notaties c en r onderscheid de hoekgraden van vrijheid (DOF's) en de resterende DOF's, die de hoek-DOF's extraheert als een oervariabele om het dual-oer (DP) -schema te construeren. Hier, K is de FEM-systeemmatrix en f is de excitatievector. B is een Booleaanse matrix die de interface-DOF's van een subdomein extraheert. λ is een dubbele variabele die wordt gegenereerd door het uitbreiden van Λ ik , ook wel de Lagrange-multiplier genoemd.
Vervolgens kunnen de aangrenzende subdomeinen met elkaar worden verbonden door de continuïteit van tangentieel elektrisch veld en magnetisch veld op de interfaces af te dwingen. We assembleren alle subdomeininterfaces en elimineren alle interne onbekenden van het subdomein E ik . Een gereduceerde globale interfacevergelijking over de dubbele variabele λ kan worden verkregen als
$$ \left[{\tilde{\mathbf{K}}}_{rr}+{\tilde{\mathbf{K}}}_{rc}{\tilde{\mathbf{K}}}_{cc }^{-1}{\tilde{\mathbf{K}}}_{cr}\right]\lambda ={\tilde{f}}_r-{\tilde{\mathbf{K}}}_{rc }{\tilde{\mathbf{K}}}_{cc}^{-1}{\tilde{f}}_c $$ (6)Vergelijking (6) kan worden opgelost door iteratieve methoden, zoals de gegeneraliseerde minimale residuele (GMRES) methode. \( {\tilde{\mathbf{K}}}_{cc} \) is het globale hoeksysteem, dat de iteratieve convergentie in de oerruimte kan versnellen. Geschikte preconditioner kan worden gebruikt om de iteratieve convergentiesnelheid te verbeteren, zoals bij benadering inverse en onvolledige LU-ontleding. Zodra de dubbele variabele λ is opgelost, kan het elektrische veld binnen elk subdomein onafhankelijk worden geëvalueerd door (5). Voor de constructie van de globale matrix \( {\tilde{\mathbf{K}}}_{rr} \), moet men de subdomein numerieke functie Green's functie \( {\mathbf{Z}}_{rr}^ construeren i \) met een vorm van
$$ {\mathbf{Z}}_{rr}^i={\mathbf{B}}_r^i{\left({\mathbf{K}}_{rr}^i\right)}^{- 1}{{\mathbf{B}}_r^i}^T $$ (7)waarbij de inverse van de subdomein FEM-matrix \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \) is opgenomen. Trouwens, voor matrices \( {\tilde{\mathbf{K}}}_{rc} \), \( {\tilde{\mathbf{K}}}_{cr} \), en \( {\tilde {\mathbf{K}}}_{cc} \) en vectoren \( {\tilde{f}}_r \) en \( {\tilde{f}}_c \), de \( {\left({ \mathbf{K}}_{rr}^i\right)}^{-1} \) moet worden berekend. De constructies van \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \) in de pre-processing fase evenals hun matrix-vector producten (MVP's) bij iteratieve oplossingsfase zijn rekenkundig duur. Hoewel \( {\mathbf{K}}_{rr}^i \) schaars is, \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \ ) zijn compact, wat hoge rekenkosten betekent. Vervolgens wordt een low-rank sparsificatiemethode geïntroduceerd om de berekening van \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \) te versnellen. Aangezien sommige submatrices in het globale interfacesysteem kunnen worden weergegeven in matrixvorm met een lage rangorde, kan hun berekening worden uitgevoerd met een laagrangalgoritme, wat de prestaties van de FETI-DP verbetert. Het is te zien dat de FETI-DP onafhankelijke subdomeinbewerkingen biedt, zodat deze parallelle berekening kan gebruiken om de efficiëntie te verbeteren. Voor een efficiënt parallel schema is een principe van domeinverdeling om het aantal DOF's in elk subdomein zo evenwichtig mogelijk te maken. Daarom moet de grootte van subdomeinen betrekking hebben op de mesh-discretisatiedichtheid. Gewoonlijk worden kleine subdomeinen gebruikt in fijnmazige gebieden, terwijl grote subdomeinen worden gebruikt in grofmazige gebieden.
Lage sparsificatie
Er wordt een low-rank sparsification-benadering voorgesteld om een data-arme manier te bieden om de FETI-DP-efficiëntie te verbeteren. Hier, data-sparse betekent dat deze matrices eigenlijk niet schaars zijn, maar dat ze schaars zijn in de zin dat bepaalde subblokken ervan kunnen worden weergegeven door laagwaardige ontledingsmatrixvormen als
$$ \mathbf{M}={\mathbf{XY}}^{\mathrm{T}}\kern0.72em \left(\mathbf{M}\in {\mathrm{\mathbb{C}}}^{ m\times n},\mathbf{X}\in {\mathrm{\mathbb{C}}}^{m\times k},\mathbf{Y}\in {\mathrm{\mathbb{C}}} ^{n\times k}\right) $$ (8)waar X en J zijn in volledige matrixvormen, en de rang k is veel kleiner dan m en n . De matrix \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \) kan worden weergegeven door data-sparse matrixvormen omdat deze de matrixeigenschap van een integraal bezit exploitant. Dus, op voorwaarde dat \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \) een eigenschap van lage rang heeft in een bepaald subdomein, kan het efficiënt worden berekend en opgeslagen in data-sparse vormen met de low-rank sparsification-aanpak, die de MVP's in de iteratieve oplossing versnelt.
De processen van de low-rank sparsification-benadering kunnen worden onderverdeeld in de volgende stappen:(1) construeer een clusterboom door de basisfunctieset in elk subdomein onder te verdelen, (2) construeer een blokclusterboom door interactie van twee clusterbomen, ( 3) genereer een data-sparse vorm van \( {\mathbf{K}}_{rr}^i \) door een toelaatbaarheidsvoorwaarde, (4) voer low-rank geformatteerde algoritmen uit om de data-sparse representatie van \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}}^{-1} \), en (5) voer de oplossing van FETI-DP-systemen in door data-sparse algoritme. Geschikte preconditioner kan worden gebruikt om de oplossing te versnellen. Opgemerkt moet worden dat de data-sparse LU-factorisatie \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}}={\left({\mathbf {L}}_{rr}^i\right)}_{\mathrm{DS}}{\left({\mathbf{U}}_{rr}^i\right)}_{\mathrm{DS} } \) wordt gebruikt om de matrixinversie \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}}^{-1} \) te vervangen. Een geneste dissectietechniek wordt gebruikt om de efficiëntie van de lage sparsificatie verder te verbeteren. De geneste dissectie gebruikt scheidingstekens om grote off-diagonale nul-subblokken op te leveren, die nul zullen blijven tijdens de LU-factorisatie, zodat het de fill-ins aanzienlijk kan verminderen.
Om \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}} \ te genereren, construeren we eerst een clusterboom T Ik door recursieve onderverdeling van de subdomein edge-gebaseerde basisfunctieset I = {1,2,……N } met behulp van een selectiekader. Met de geneste dissectie, een cluster t binnen het bijbehorende selectiekader is verdeeld in drie opvolgers {s 1 , s september , s 2 }, waar s 1 en s 2 zijn de indexsets van de twee niet-verbonden begrenzingsvakken en s september is de indexset van het scheidingsteken. Figuur 2a toont een eenvoudig voorbeeld van dit proces. Vervolgens een blokclusterboom T Ik × Ik kan worden geconstrueerd door interactie met twee clusterbomen T Ik , zoals getoond in Fig. 2b, die kan worden gekozen als de clusterboom van de originele op randen gebaseerde basisfunctiesset en die van de testbasisfunctieset in de methode van Galerkin. Vervolgens moeten we een toelaatbaarheidsvoorwaarde introduceren op basis van de geneste dissectie om onderscheid te maken tussen volledige blokken, lage decompositieblokken en niet-diagonale nulblokken in T Ik × Ik [23]. Dus, \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}} \) kan worden geproduceerd door de corresponderende blokken te vullen met de niet-nul items van \( {\mathbf{K}}_{rr}^i \). Ten slotte de data-sparse LU-factorisatie van \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}}={\left({\mathbf{L }}_{rr}^i\right)}_{\mathrm{DS}}{\left({\mathbf{U}}_{rr}^i\right)}_{\mathrm{DS}} \ ) kan recursief worden berekend uit
$$ {\mathbf{K}}_{rr}^i=\left[\begin{array}{ccc}{\mathbf{K}}_{11}&&{\mathbf{K}}_{13 }\\ {}&{\mathbf{K}}_{22}&{\mathbf{K}}_{23}\\ {}{\mathbf{K}}_{31}&{\mathbf{K }}_{32}&{\mathbf{K}}_{33}\end{array}\right]=\left[\begin{array}{ccc}{\mathbf{L}}_{11}&&\\ {}&{\mathbf{L}}_{22}&\\ {}{\mathbf{L}}_{31}&{\mathbf{L}}_{32}&{\mathbf{ L}}_{33}\end{array}\right]\left[\begin{array}{ccc}{\mathbf{U}}_{11}&&{\mathbf{U}}_{13} \\ {}&{\mathbf{U}}_{22}&{\mathbf{U}}_{23}\\ {}&&{\mathbf{U}}_{33}\end{array} \right] $$ (9)Nanomaterialen
- Mesh huidige methode en analyse
- C# abstracte klasse en methode
- C# Gedeeltelijke klasse en gedeeltelijke methode
- C# verzegelde klasse en methode
- Modulatie van elektronische en optische anisotropie-eigenschappen van ML-GaS door verticaal elektrisch veld
- Eenvoudige synthese en optische eigenschappen van kleine selenium nanokristallen en nanostaafjes
- Vervaardiging en karakterisering van nieuwe composiet Tio2 koolstof nanovezel anodische katalysatorondersteuning voor directe methanolbrandstofcel via elektrospinmethode
- Verbeterde antitumorwerking en farmacokinetiek van bufalin via gePEGyleerde liposomen
- Voorbereiding en optische eigenschappen van GeBi-films met behulp van de moleculaire straal-epitaxiemethode
- Vervaardiging van CA/TPU spiraalvormige nanovezels en de mechanisme-analyse
- Wetenschappers ontwikkelen een nieuwe methode om schermen helderder en efficiënter te maken