Ansys Speos / Ansys Lumerical | 联合 optiSLang 的显示屏优化设计

概述
在今天设计案例中，我们将解释优化手机显示的自动化工作流程的步骤。该工作流程也适用于其他类型显示屏的应用，如汽车内部显示屏、电视、计算机显示屏，甚至智能手表显示屏。在本案例中我们将介绍三个部分，涉及Ansys的光学仿真产品Speos和Lumerical，联合optiSLang进行涉及优化，Lumerical设计显示屏的像素，用optislang自动优化，然后用Speos检查显示效果。

为了制作一个出色的显示器，我们通常希望获得出色的色彩覆盖率、全角度的良好观看效果以及在许多不同条件下的更低功耗。在Ansys显示屏设计解决方案中，我们可以使用Lumerical STACK或FDTD构建OLED或微型LED纳米结构，并在像素级模拟光提取效率、角发射和颜色，同时将OLED的结构参数、光提取效率和显示颜色等这些指标输入optiSLang优化，最后我们可以使用Speos获得消费者对显示屏的视觉感知，并了解这些指标如何影响视觉感知。

 
设计流程

遵循显示屏物理模拟工作流，将从Lumerical STACK设计像素的纳米结构，使用optiSLang实现工作流的自动化，使用optiSLang的优化器来改变像素层设计，优化像素效率和具有复杂交互的光学性能，再到Speos中具有人眼视觉的感知仿真由这些像素制成的显示产品。整个流程完全采用自动化设计方式，仿真工具之间的数据传输无缝兼容。

1.OLED纳米光子像素的设计，并在Ansys Lumerical中详细介绍优化指标。

像素是显示屏的基本组成部分，也是我们优化的重点。在OLED或LED设备中，阳极和阴极用于注入带电载流子，带正电的空穴由空穴注入层和传输层传输，电子则相反。它们在发射层相遇，在那里可以重新组合形成光子。当然光学材料的性能和层厚对整体光学性能起着关键作用，在不影响电性能的情况下改变这些层的厚度，以便最大化光学指标。

Lumerical STACK多层结构解析求解器，因为可以精确地处理多层厚度，对于设计垂直发射的显示设备，STACK计算速度非常高效，几秒钟直接就完成求解，非常适合用于优化程序尝试数十万种设计。

 

在设计显示屏时，定量的方法描述颜色是非常重要的，可以通过颜色空间进行几何处理，展示在CIE 1976颜色空间中的色度图，将光的实际状态与视觉感知联系起来。使用红色、蓝色和绿色作为原色，将它们混合在一起，可以在所谓的设备色域内产生白色和任何其他颜色。因此我们希望RGB的尽可能接近色度图边界颜色，换言之完全单色，实现最宽的色域，色域覆盖率CGC，同时我们需要高效的光提取，我们称之为外部量子效率或EQE，并且从宽视角下也能清晰的显示颜色的准确性，准确描述颜色随观察角度的变化，我们称之为最大颜色偏移MCS。因此在STACK设计改变发射腔不同层结构的厚度，将会得到不同的色域和色偏结果，我们希望在色域和色偏之间找到合适的平衡，同时保证出光效率。

 

2.  optiSLang工作流自动化和设计优化

optiSLang是一个开放平台，用于连接来自不同来源的工具和数据，以自动化的方式运行分析，从而完成产品开发优化过程，生成元模型的敏感性分析，找到最佳设计和评估重要输入参数的方法。对于显示屏设计优化，对光提取效率、色偏和色域覆盖率的光谱指标进行多目标优化。因此optiSLang为数值模拟建立了一个工作流程，并运行它进行设计优化。

 

建立参数化系统后，进行参数敏感性分析。在敏感性分析中，通过COP矩阵预测输出变化，COP的数值告诉我们模型质量，此外可以看到参数对输出的影响。所以我们会得到在OLED设计的堆层中有哪几层的厚度参数是影响设计目标光提取率、色偏和色域的关键，可以直接了解光学行为。

 

通过敏感性分析，以了解设计参数各结构厚度参数和设计目标的设计行为，并使用结果支持我们的优化算法，即进化算法，自动运行数千种灵敏度和优化设计，因为这是一个多目标优化，可以得到了一组最佳设计，称为帕累托前展面，从帕累托前展面沿获取设计，并将优化后的Lumerical数据以RGB强度分布数据形式导入Speos。

 

3. Speos人眼视觉仿真，在照明环境下，显示屏视觉感知质量。

现在，我们需要了解数据将如何从Lumerical传输到Speos，在Lumerical的堆层设计中的到的是像素的纳米结构，即RGB像素的光角度分布和颜色信息，然后，由于optiSLang自动化功能，RGB像素输出数据会自动复 制，在经过处理脚本将整个显示屏RGB像素数据转换为Speos格式，即光谱发光强度分布数据，将使用强度分布数据作为输入光源来定义手机显示屏。

 

在转换后的RGB堆层数据，在Speos中以光强分布的形式定义，在Speos中需要做的就是使用红色、绿色和蓝色的强度分布来定义显示的RGB白色源，属于整个系统的降阶模型，因为不再需要具体的堆层信息，因为RGB光强数据已经包含正确颜色和正确光分布信息，再通过Speos的texture功能在显示器上生成图像，以获得更好的人眼视觉体验。

 

在Speos中设置RGB光源之后，将手机显示屏放置在环境场景中，并用人眼视觉仿真从不同的角度观察显示屏的显示效果。Speos可以通过调整RGB的比例校准显示器，以便进行逼真的模拟，将平均亮度调整为当前市场上手机的亮度设置975cd/m2，调整RGB获取与白色光源D65相同的色度坐标。现视觉仿真设计结果，选取Lumerical的初始设计和通过optiSLang优化后帕累托延展面的优化点。

第一排是初始设计，第一列是正入射角度，第二列是25度入射角度，第三列是50度入射角度。可以看到当增加入射角时，最初的设计变成了绿色。

在第二排是从optiSLang获得的第一个优化设计。在正常入射时开始呈白色，当增大入射角时，它看起来像暖白色，几乎是红色，同样的另外两个优化设计。可以看到类似的趋势，但不同的颜色外观。

 

选择第一个优化设计，并获得一些颜色变化的指标，将显示光源表面使用texture显示具体图像，在显示器上显示图像时，不同事先角度颜色变化。

 

结束语
通过Speos和Lumerical联合optiSLang的显示屏优化设计，通过Lumerical STACK可以设计和模拟一个参数化的微型LED或OLED像素设计，然后通过optiSLang完成多目标优化，最后将优化后的多组优化方案，在Speos真是的环境场景中，以人眼视觉方式比较这些设计方案。同样的这个显示优化工作流程也适用于其他应用，如汽车显示器、电视、电脑显示器和智能手表显示器。