Основные концепции

Архитектура библиотеки

SVETlANNa построена на четырёх ключевых компонентах:

SimulationParameters

SimulationParameters определяет координатную систему симуляции и хранит все оси.

Создание


from svetlanna import SimulationParameters
from svetlanna.units import ureg
 
# Рекомендуемый способ
params = SimulationParameters.from_ranges(
    w_range=(-1*ureg.mm, 1*ureg.mm), w_points=512,  # Ось X (W)
    h_range=(-1*ureg.mm, 1*ureg.mm), h_points=512,  # Ось Y (H)
    wavelength=632.8*ureg.nm                         # Длина волны
)
 
# Альтернативный способ — из тензоров
import torch
params = SimulationParameters(
    W=torch.linspace(-1e-3, 1e-3, 512),
    H=torch.linspace(-1e-3, 1e-3, 512),
    wavelength=torch.tensor(632.8e-9)
)

Доступ к осям


# Через атрибут axes
x = params.axes.W           # 1D тензор координат X
y = params.axes.H           # 1D тензор координат Y
wl = params.axes.wavelength # Длина волны
 
# Или напрямую
x = params.W
y = params.H
 
# Создание 2D сетки
X, Y = params.meshgrid(x_axis='W', y_axis='H')

Дополнительные оси

SimulationParameters по умолчанию заморожен. Для добавления осей используйте unfreeze().


params.unfreeze()
params.add_axis('pol', torch.tensor([1., 0.]))  # Поляризация (Jones vector)
params.freeze()

Wavefront

Wavefront — это комплексная амплитуда электромагнитного поля $E(x,y)$ . Наследует torch.Tensor.

Фабричные методы


from svetlanna import Wavefront
 
# Плоская волна
wf = Wavefront.plane_wave(params)
 
# Гауссов пучок
wf = Wavefront.gaussian_beam(
    params,
    waist_radius=0.5*ureg.mm,
    distance=0.0,          # Расстояние от перетяжки
    dx=0.0, dy=0.0         # Смещение центра
)
 
# Сферическая волна
wf = Wavefront.spherical_wave(
    params,
    distance=100*ureg.mm   # Радиус кривизны
)

Свойства

Свойство	Описание	Формула
`wf.intensity`	Интенсивность	$I = \\|E\\|^2$
`wf.phase`	Фаза	$\phi = \arg(E)$
`wf.max_intensity`	Максимум интенсивности	$\max(I)$
`wf.fwhm(params)`	FWHM по X и Y	—

Операции


# Wavefront наследует torch.Tensor
wf_sum = wf1 + wf2        # Интерференция
wf_scaled = wf * 0.5      # Масштабирование
wf_gpu = wf.to("cuda")    # Перенос на GPU
wf_conj = wf.conj()       # Комплексное сопряжение

Element

Все оптические элементы наследуют torch.nn.Module и реализуют метод forward().


from svetlanna.elements import ThinLens, FreeSpace, RoundAperture
 
# Создание элемента
lens = ThinLens(params, focal_length=100*ureg.mm)
 
# Применение к волновому фронту
wf_out = lens(wf_in)
 
# Или явно через forward
wf_out = lens.forward(wf_in)

Основные элементы

Элемент	Описание	Ключевые параметры
`FreeSpace`	Распространение в свободном пространстве	`distance`, `method`
`ThinLens`	Тонкая линза	`focal_length`, `radius`
`RoundAperture`	Круглая апертура	`radius`
`RectangularAperture`	Прямоугольная апертура	`width`, `height`
`Aperture`	Произвольная маска	`mask`
`SpatialLightModulator`	SLM	`mask`, `height`, `width`
`DiffractiveLayer`	Дифракционный слой	`mask`, `mask_norm`
`NonlinearElement`	Нелинейный элемент	`response_function`

FreeSpace требует обязательный параметр method: 'AS' (Angular Spectrum) или 'fresnel'.

LinearOpticalSetup

LinearOpticalSetup объединяет элементы в последовательную оптическую систему.


from svetlanna import LinearOpticalSetup
 
setup = LinearOpticalSetup([
    RoundAperture(params, radius=1*ureg.mm),
    FreeSpace(params, distance=50*ureg.mm, method='AS'),
    ThinLens(params, focal_length=100*ureg.mm),
    FreeSpace(params, distance=100*ureg.mm, method='AS'),
])
 
# Forward pass
wf_out = setup(wf_in)
 
# Пошаговое распространение (возвращает все промежуточные результаты)
intermediates = setup.stepwise_forward(wf_in)

Единицы измерения

Модуль svetlanna.units предоставляет систему единиц через enum ureg:


from svetlanna.units import ureg
 
# Расстояния
1*ureg.m    # 1.0
1*ureg.cm   # 0.01
1*ureg.mm   # 0.001
1*ureg.um   # 1e-6
1*ureg.nm   # 1e-9
1*ureg.pm   # 1e-12
 
# Время
1*ureg.s    # 1.0
1*ureg.ms   # 0.001
1*ureg.us   # 1e-6
1*ureg.ns   # 1e-9
1*ureg.fs   # 1e-15
 
# Частота
1*ureg.Hz   # 1.0
1*ureg.kHz  # 1e3
1*ureg.MHz  # 1e6
1*ureg.GHz  # 1e9

Дифференцируемость

Все операции в SVETlANNa дифференцируемы через PyTorch autograd:


import torch
 
# Оптимизируемый параметр
phase_mask = torch.nn.Parameter(torch.zeros(512, 512))
 
# Forward pass
wf_out = element(wf_in)
loss = some_loss_function(wf_out)
 
# Backward pass
loss.backward()
print(phase_mask.grad)  # Градиенты!

Несколько длин волн

SVETlANNa поддерживает многомерные расчёты:


# Несколько длин волн (RGB)
params = SimulationParameters(
    W=torch.linspace(-1e-3, 1e-3, 256),
    H=torch.linspace(-1e-3, 1e-3, 256),
    wavelength=torch.tensor([630, 532, 465]) * 1e-9
)
 
wf = Wavefront.gaussian_beam(params, waist_radius=0.3e-3)
print(wf.shape)  # torch.Size([3, 256, 256]) — три длины волны!

Что дальше?

SimulationParameters Волновые фронты Оптические элементы Детекторы