4. 多层膜理论：多层膜的特征矩阵、等效折射率、导纳图解法
各位同学，今天我们来聊聊多层膜理论。说实话，这是整个光学薄膜设计的核心。你如果把这个搞懂了，后面那些复杂膜系设计，说白了就是一层层往上堆叠而已。
我记得刚入行那会儿，师傅丢给我一本《薄膜光学》，翻开全是矩阵运算。我当时心里就犯嘀咕：这玩意儿跟光学有啥关系？后来做项目做多了才明白——特征矩阵，就是咱们光学工程师的“乘法口诀”。
4.1 单层膜的特征矩阵
先别急着看多层。咱们从最简单的单层膜说起。
一束光打到薄膜上，会发生什么？反射、透射，还有在膜层内部来回折腾。每一层薄膜，都可以用一个2×2的矩阵来描述。这个矩阵，就叫特征矩阵。
单层膜特征矩阵的标准形式：
M = [cosδ i·sinδ/η
i·η·sinδ cosδ ]其中：
δ = 2π·n·d·cosθ / λ —— 相位厚度
η = n·cosθ（TE波）或 η = n/cosθ（TM波）—— 修正导纳
这里有个坑，我当年踩过。δ的计算，很多人直接拿n·d/λ来算，忘了考虑入射角。你想想看，斜入射的时候，光在膜层里走的路径更长，相位变化自然不一样。嗯，这个细节，后面做宽角度设计时特别重要。
4.2 多层膜的特征矩阵
多层膜怎么处理？很简单，矩阵连乘。
假设你有k层膜，每层的特征矩阵是M₁、M₂、……、Mₖ。那么整个膜系的特征矩阵就是：
M_total = M₁ × M₂ × … × Mₖ注意顺序！光从入射介质进入，先碰到第1层，再第2层……最后到基底。所以矩阵乘法是从左到右，按光的传播方向来。
我个人习惯在代码里这样写：
def multilayer_matrix(layers, wavelength, angle):
"""
layers: [(n1, d1), (n2, d2), ...]
wavelength: 波长 (nm)
angle: 入射角 (度)
"""
import numpy as np
M_total = np.eye(2, dtype=complex)
for n, d in layers:
delta = 2 * np.pi * n * d * np.cos(np.radians(angle)) / wavelength
eta = n * np.cos(np.radians(angle)) # TE波近似
M = np.array([
[np.cos(delta), 1j * np.sin(delta) / eta],
[1j * eta * np.sin(delta), np.cos(delta)]
])
M_total = M_total @ M
return M_total这段代码我用了好多年，基本没出过问题。唯一要注意的是，当层数很多（比如50层以上）时，矩阵元素会变得非常大或非常小，数值稳定性会下降。我曾经在做一个100层的窄带滤光片时，就因为这个吃了亏。后来改用归一化处理才搞定。
4.3 等效折射率
好，现在咱们有了整个膜系的特征矩阵。然后呢？
我们可以从这个矩阵里，提取出一个非常有用的概念——等效折射率。
什么叫等效折射率？说白了，就是把整个多层膜看作一层“虚拟薄膜”。这层虚拟薄膜的折射率，就是等效折射率。
等效折射率的计算公式：
对于对称膜系（比如 (HL)^m 这种结构），等效折射率 E 为：
E = sqrt( (M[0,0] * η_sub) / (M[1,1] * η_0) )其中 η_sub 是基底的修正导纳，η_0 是入射介质的修正导纳。
这个等效折射率有什么用？用处大了去了。
- 简化设计：复杂的多层膜可以等效成单层膜来分析
- 匹配导纳：通过调整膜系结构，让等效折射率接近某个目标值
- 分析色散：等效折射率随波长的变化，反映了膜系的色散特性
我记得有一次做激光腔镜设计，要求反射率99.99%以上。常规的λ/4膜堆能做到99.9%，但再往上就难了。后来我用等效折射率的概念，在膜堆两侧各加了一层匹配层，等效折射率刚好跟空气和基底匹配，反射率直接干到了99.995%。嗯，这就是等效折射率的妙用。
4.4 导纳图解法
讲完了矩阵和等效折射率，咱们再来看一个更直观的工具——导纳图解法。
导纳是什么？你可以把它理解成“光学阻抗”。光在介质中传播，遇到界面时，反射率取决于界面两侧导纳的匹配程度。
导纳图解法的核心思想是：把每一层膜对导纳的变换，画在复平面上。
具体怎么画？
- 从基底开始，基底的导纳是 Y_sub = η_sub
- 加上第一层膜，导纳从 Y_sub 沿着一个圆变换到 Y₁
- 再加上第二层膜，从 Y₁ 变换到 Y₂
- ……直到最后一层，得到 Y_total
- Y_total 跟入射介质导纳 η₀ 的差异，就决定了反射率
每一层膜对应的变换，是一个圆。圆心在实轴上，半径由膜层折射率和厚度决定。这个圆，就叫导纳圆。
导纳圆的关键参数：
- 圆心位置：( (η² + η_sub²) / (2η), 0 )
- 圆半径：|η² - η_sub²| / (2η)
- 其中 η 是膜层的修正导纳，η_sub 是起始导纳
下面我画了一张导纳图解法的示意图，帮你理解这个过程：
你看这张图，从基底出发，每加一层膜，导纳点就沿着一个圆走一段。最终导纳点离入射介质导纳越近，反射率就越低。如果最终导纳点刚好落在入射介质导纳上，那就是完美的增透膜。
注意：导纳图解法虽然直观，但只适用于无吸收的介质膜。如果膜层有吸收（比如金属膜），导纳会变成复数，圆就不再是标准的圆了。我曾经在项目中用导纳图解法分析银膜，画出来的图乱七八糟，后来才发现是忘了考虑吸收。
4.5 三种方法的对比
好了，咱们把三种方法放在一起看看：
| 方法 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 特征矩阵法 | 精确、通用、适合编程 | 物理意义不够直观 | 计算机仿真、任意膜系 |
| 等效折射率法 | 简化分析、便于理解 | 只适用于对称膜系 | 周期性膜系、初步设计 |
| 导纳图解法 | 直观、可视化 | 精度有限、不能处理吸收 | 教学演示、定性分析 |
我个人习惯是：先用导纳图解法做定性分析，看看膜系的大致走向；再用等效折射率法做初步设计，快速找到参数范围；最后用特征矩阵法做精确仿真，得到最终结果。三种方法配合使用，效率最高。
小技巧：如果你用Python做仿真，建议把特征矩阵法和导纳图解法结合起来。算完矩阵后，把每一层界面的导纳值提取出来，画成导纳轨迹图。这样既有数值精度，又有可视化效果。我自己的工具包里就是这么干的，调试膜系时特别方便。
嗯，关于多层膜理论，今天就讲到这里。这三种方法，你回去好好消化一下。下次我们讲怎么用这些工具来设计实际的膜系——比如增透膜、高反膜、分光膜等等。到时候你会发现，今天学的这些，全是基本功。
公众号:蓝海资料掘金营，微信deep3321