Spectral and spatial control of broadband light using wavefront shaping
Dalga önü şekillendirme ile geniş bant ışığın spektral ve uzaysal kontrolü
- Tez No: 714774
- Danışmanlar: DOÇ. DR. EMRE YÜCE, DOÇ. DR. SELÇUK YERCİ
- Tez Türü: Doktora
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mikro ve Nanoteknoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 159
Özet
Işığın spektral ve uzaysal kontrolü, güneş enerjisi, spektroskopi, holografi ve görüntüleme gibi dikkat çeken bilimsel alanları önemli ölçüde etkilemektedir. Mikro ve nano yapılar kullanılarak ışığın ilerlemesinin, kırınımının, saçılmasının ve girişiminin gelişmiş kontrolü, bu alanlarda üstün performans elde edilmesini sağlar. Bu tezde, güneş enerjisi, spektroskopi, holografi ve görüntüleme uygulamaları için dalga önü kontrol edilerek ışığın hem spektral hem de uzaysal kontrolünü sunuyoruz. Kırınım optik elemanları (KOE'ları) kullanılarak güneş ışığının spektral bölünmesi, güneşten elde edilen enerji miktarını artırmak için etkili bir yöntemdir. Bu tezde, güneş spektrumunu spektral olarak bölmek ve aynı anda odaklamak için yinelemeli bir optimizasyon algoritması kullanarak sadece ışığın fazını kontrol eden KOE'ları tasarlıyoruz. Spektral bölme verimliliğini korurken KOE'larının hesaplama süresini 89 günden 8 güne indiren etkin bant genişliği yaklaşımı sunuyoruz. Etkin bant genişliği yöntemimizi kullanarak ışığı spektral olarak 400 nm - 700 nm ve 701 nm - 1100 nm arasında, sırasıyla %56 ve %63 ayırma verimleriyle iki ayrı banda ayırmayı başarıyoruz. Ayrıca, güneş pilleri için geniş bant ışığın spektral bölünmesini ve uzaysal konsantrasyonunu gerçekleştiren bir KOE'ı optimize etmek için bir derin öğrenme modeline, DOENet'e ve yerel arama optimizasyon algoritmasına dayanan bir hibrit tasarım algoritması sunuyoruz. Hibrit algoritmamız hem KOE'larının optimizasyonunu hızlandırıyor hem de spektral bölme ile %57'den daha fazla ışığın konsantrasyonunu sağlıyor. Işığın geliş açısının değişimi elektriğe dönüşen güneş enerjisi miktarında azalmaya neden olmaktadır. Bu etkiyi azaltmak için bu tezde geniş bant ışığı odaklamak ve spektral bölmek için KOE'ları tasarlıyoruz. Çıkış düzleminin yarısı olan alan için KOE'ı tasarımı yapıldığında, geniş bant ışığın spektral bölünmesinin güneş ışığının geliş açısındaki değişime daha az duyarlı olduğunu gözlemliyoruz. İlginç olan ise, ışığın geliş açısı 0 ile 80 derecelik bir açı aralığında değişmesine rağmen tek bir KOE'ı hedef ekranda ışığın şiddetinde %0,6'dan daha az sapma göstermektedir. Bu tezde ayrıca geniş bant ışığı spektral ayırmak ve aynı zamanda odaklamak için özel bir kırınım optik eleman türü olan SpliCons'u deneysel olarak tasarlamak ve doğrulamak için bir sinir ağı modeli geliştirdik. Sonuçlarımız, sinir ağı modeli olan SpliConNet ile tasarlanmış SpliCon'ların, yerel arama optimizasyon algoritması aracılığıyla optimize edilen SpliCon'lara kıyasla aynı sürede daha yüksek performans sağladığını göstermektedir. Sinir ağı aracılığıyla optimize edilen SpliCon'ların performansı, çıkış düzlemindeki ışık şiddetinin deneysel sonucuyla doğrulanmaktadır. Sinir ağları eğitildikten sonra, 2 saniye içinde %96,6 ± %2,3 doğrulukla SpliCons tasarlamayı başarmaktayız; bu süre yerel arama optimizasyon algoritmalarından çok daha kısadır. Daha sonra geniş bant ışığın spektral ayrıştırmasını gerçekleştiren bir KOE spektrometre tasarımı sunuyoruz. Tek bir prizma veya kırınım ızgarası ile oluşturulmuş bir optik spektrometre ile karşılaştırıldığında, KOE spektrometremiz ışığın her dalga boyu için tasarlanmış ve hareketli bir parça üzerine yerleştirilmiş birçok KOE'ından oluşmaktadır. Hareketli parça kullanılarak geniş bant ışıktan istenilen spektral ışığı elde etmek için her KOE'nın konumu değiştirilmektedir. KOE spektrometresindeki her KOE'ı, geniş bant ışığı belirli bir ışık dalga boyuna bölmektedir ve böylece KOE spektrometremiz geleneksel spektrometrelere kıyasla geniş bant ışığı spektral ayrıştırmak için kullanılabilmektedir. Her dalga boyu için tasarlanmış KOE'ları kullanan spektrometremizin yüksek performans sağlayacağına inanıyoruz. Ayrıca, bu tezde derin öğrenme modeli olan CHoLoNet aracılığıyla çoklu gözlem düzlemlerinde ve renklerde holografik görüntüler oluşturmak için optik hologramlar tasarlıyoruz. CHoLoNet, birden fazla görüntü düzleminde renkli holografik görüntü oluşturan hologramlar üretebilmektedir. Dahası, derin öğrenme modelimiz, ışığın faz ve genlik bilgisine gerek duymadan sadece ışığın şiddet görüntüsünden nesne/hologram bilgisini elde edebilmektedir. Sonuçlar derin öğrenme modeliyle elde edilmiş nesnelerin/hologramların referanslarla mükemmel uyumunu gösteriyor.
Özet (Çeviri)
Spectral and spatial control of light strongly influences central fields such as solar energy, spectroscopy, holography, and imaging. Enhanced control of propagation, diffraction, scattering, and interference of light using micro-and nano-structures leads to superior performance in these fields. This thesis presents light control in spectral and spatial domains using wavefront control for solar energy, spectroscopy, holography, and imaging applications. Spectral splitting of the sunlight using diffractive optical elements (DOEs) is an effective method to increase the amount of converted solar energy. In this thesis, we design phase-only DOEs by using an iterative optimization algorithm to spectrally split and simultaneously concentrate the solar spectrum. We introduce the effective bandwidth approach, which reduces the computational time of DOEs from 89 days to 8 days while preserving the spectral splitting efficiency. Using our effective bandwidth method, we manage to spectrally split light into two separate bands between 400 nm - 700 nm and 701 nm - 1100 nm, with splitting efficiencies of 56% and 63%, respectively. Next, we present a hybrid design scheme, which relies on a deep learning model, the DOENet, and the local search optimization algorithm, to optimize a DOE that performs spectral splitting and spatial concentration of broadband light for solar cells. Our hybrid design approach both speeds up optimization of DOEs as well as provides better performance, at least 57% excess light concentration with spectral splitting. Here, we also design DOEs that concentrate and split the broadband light for angled illumination to minimize the variation of intensity on the targets when the angle of incident light changes leading to a decrease in the intensity of light for solar cells applications. We observe that spectral splitting of the broadband light with a DOE is less sensitive to variation of incident angle of the solar radiation once the DOE optimization is performed for the area which is half of the output plane. What's interesting is that less than 0.6% deviation in output intensity can be observed when a single DOE is illuminated at an angle that spans from 0 to 80 degrees. Then, we develop a neural network model to experimentally design and validate SpliCons, a special type of diffractive optical element that can achieve spectral splitting and simultaneous concentration of broadband light. Our results show that the neural network model, the SpliConNet, yields enhanced spectral splitting performance for the SpliCons with quantitative assessment compared to the SpliCons that are optimized via the local search optimization algorithm. The capabilities of the SpliCons optimized via the neural network are experimentally validated by comparing the intensity distribution at the output plane. Once the neural networks are trained, we manage to design the SpliCons with 96.6 ± 2.3% accuracy within 2 seconds, which is orders of magnitude faster than iterative search algorithms. Later, we present a DOE spectrometer design that performs spectral decomposition of the broadband light. Compared to an optical spectrometer constructed with a single prism or a diffraction grating, our DOE spectrometer consists of many DOEs which are designed for each wavelength of light and are placed on a moving part. With the moving part, the position of each DOE is altered to obtain desired spectral light from the broadband light. Each DOE in the DOE spectrometer splits the broadband light into a specific wavelength of light, so our DOE spectrometer operates under broadband light compared to conventional spectrometers. We believe that the DOE spectrometer will yield high throughput thanks to a single wavelength-based DOE design. We also focus on designing optical holograms to generate holographic images at multiple observation planes and colors via a deep learning model, the CHoLoNet. The CHoLoNet produces optical holograms, which show multitasking performance as multiplexing color holographic image planes by tuning holographic structures. Furthermore, our deep learning model retrieves an object/hologram information from an intensity holographic image without requiring phase and amplitude information from the intensity image. We see that reconstructed objects/holograms show excellent agreement with the ground-truth objects/holograms.
Benzer Tezler
- Broadband spectral splitting of light using wavefront shaping
Dalga önü şekillendirmesi ile geniş bant spektral ayrıştırma
YALIN BAŞAY
Yüksek Lisans
İngilizce
2018
Fizik ve Fizik MühendisliğiOrta Doğu Teknik ÜniversitesiMikro ve Nanoteknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE YÜCE
DR. ÖĞR. ÜYESİ SELÇUK YERCİ
- Küçük müzik hacimlerinde alçak frekans ses alanının dalga bazlı sonlu elemanlar yöntemi (FEM) ile analizi ve bir tasarım yaklaşımı
The analysis of small music rooms with wave based finite element method (FEM) and a design approach
DİLARA KELLE
- New photoinitiating systems for cationic polymerization of vinyl ethers
Vinil eterlerin katyonik polimerizasyonu için yeni başlatıcı sistemler
MUHAMMET ÜBEYDULLAH KAHVECİ
Doktora
İngilizce
2012
Kimyaİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. YUSUF YAĞCI
PROF. DR. İBRAHİM IŞILDAK
- Derin öğrenme için kitle kaynak tabanlı etiketli veri üretimi ve çok bantlı görüntü sınıflandırma için bir 3d-2d cnn modeli
Crowdsourcing based labeled data generation for deep learning and a 3d-2d cnn model for multispectral image classification
EKREM SARALIOĞLU
Doktora
Türkçe
2020
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ GÜNGÖR
- Photoinitiated metal-free controlled/living radical polymerization using polynuclear aromatic hydrocarbons
Polinükleer aromatik bileşikler kullanarak ışıkla başlatılmış metal içermeyen atom transfer radikal polimerizasyonu
ANDRIT ALLUSHI
Yüksek Lisans
İngilizce
2016
Kimyaİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. YUSUF YAĞCI