Інформаційна технологія спектрального аналізу та параметричного синтезу багатошарових тонких плівок на основі сценарного моделювання
DOI:
https://doi.org/10.24144/2616-7700.2026.49(2).139-145Ключові слова:
інформаційна технологія, спектральний аналіз, багатошарові тонкі плівки, параметричний синтез, сценарне моделювання, адаптивні алгоритми, оптимізаціяАнотація
Актуальнiсть дослiдження зумовлена потребою пiдвищення точностi спектрального аналiзу та iдентифiкацiї параметрiв багатошарових тонких плiвок в умовах варiативностi вхiдних даних i обмежених обчислювальних ресурсiв. Метою роботи є розроблення iнформацiйної технологiї спектрального аналiзу та параметричного синтезу багатошарових тонких плiвок на основi сценарного моделювання, що забезпечує статистично обґрунтовану оцiнку точностi та стабiльностi результатiв.
У роботi виконано аналiз сучасних методiв, побудовано структурну модель технологiї, сформовано обчислювальнi процедури та органiзовано серiю сценарних експериментiв. Використано методи математичного моделювання, розв’язання обернених задач, моделi хвильової оптики (зокрема TMM та його узагальнення) i чисельнi методи оптимiзацiї.
За результатами експериментiв (120 сценарiїв) досягнуто зниження середньої похибки iдентифiкацiї до 2.3% (проти 3.9–5.8% для альтернативних методiв), а також зменшення варiативностi результатiв. Це пiдтверджує ефективнiсть розробленої iнформацiйної технологiї та доцiльнiсть використання сценарного моделювання для оцiнювання точностi.
Подальшi дослiдження спрямованi на розширення технологiї для нелiнiйних i неоднорiдних структур та iнтеграцiю з нейромережевими моделями.
Спонсор дослідження
- Дослідження було проведено без фінансової підтримки.
Посилання
- Melnyk, I., & Klymko, T. (2022). Optical modeling and characterization of multilayer coatings. Ukrainian Journal of Physics. https://doi.org/10.15407/ujpe67.6.515 [in Ukrainian].
- Khan, M., & et al. (2022). Optimization techniques for multilayer thin-film design: A review. Coatings. https://doi.org/10.3390/coatings12040567
- Huang, Y., & et al. (2020). Review of characterization of perovskite films by spectroscopic ellipsometry. Solar Energy. https://doi.org/10.1016/j.solener.2020.10.066
- Molesky, S., & et al. (2021). Inverse design in nanophotonics. Nature Photonics. https://doi.org/10.1038/s41566-021-00788-9
- Liu, Y., & et al. (2023). Deep learning for inverse problems in photonics: Recent advances and perspectives. Nanophotonics. https://doi.org/10.1515/nanoph-2022-0407
- Han, J. H., & et al. (2024). Efficient inverse design of optical multilayer nano-thin films using neural networks. Nanoscale. https://doi.org/10.1039/D4NR01667J
- Du, W., & Su, J. (2022). Uncertainty quantification for numerical solutions of nonlinear PDEs using multi-fidelity Monte Carlo method. Applied Sciences. https://doi.org/10.3390/app12147045
- Stammer, P., Burigo, L., J¨akel, O., Frank, M., & Wahl, N. (2023). Multivariate error modeling and uncertainty quantification using importance weighting for Monte Carlo simulations. Journal of Computational Physics. https://doi.org/10.1016/j.jcp.2022.111725
- Bilak, Y. Y. (2025). Information system based on a complex model using machine learning for spectral analysis. Bulletin of Taras Shevchenko National University of Kyiv. https://doi.org/10.17721/1812-5409.2025/1.14 [in Ukrainian].
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Ю. Ю. Бiлак
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
