Manufaktur industri
Industri Internet of Things | bahan industri | Pemeliharaan dan Perbaikan Peralatan | Pemrograman industri |
home  MfgRobots >> Manufaktur industri >  >> Industrial materials >> bahan nano

Prediksi Efisien dan Analisis Perangkap Optik pada Skala Nano melalui Metode Robek dan Interkoneksi Elemen Hingga

Abstrak

Simulasi numerik memainkan peran penting untuk prediksi perangkap optik berdasarkan pinset nano-optik plasmonic. Namun, struktur yang rumit dan peningkatan medan lokal yang drastis dari efek plasmonik membawa tantangan besar bagi metode numerik tradisional. Pada artikel ini, metode simulasi numerik yang akurat dan efisien berdasarkan dual-primal finite element tearing and interconnecting (FETI-DP) dan tensor tegangan Maxwell diusulkan, untuk menghitung gaya optik dan potensi untuk menjebak nanopartikel. Pendekatan sparsifikasi peringkat rendah diperkenalkan untuk lebih meningkatkan kinerja simulasi FETI-DP. Metode yang diusulkan dapat menguraikan masalah skala besar dan kompleks menjadi masalah skala kecil dan sederhana dengan menggunakan pembagian domain yang tidak tumpang tindih dan diskritisasi mesh fleksibel, yang menunjukkan efisiensi dan kemampuan paralel yang tinggi. Hasil numerik menunjukkan efektivitas metode yang diusulkan untuk prediksi dan analisis perangkap optik pada skala nano.

Pengantar

Pinset optik plasmonik berbasis plasmon permukaan (SPs) menarik banyak perhatian dan telah banyak diterapkan untuk menangkap partikel nano [1,2,3,4,5,6]. SP adalah fenomena resonansi yang disebabkan oleh penggabungan cahaya datang dengan panjang gelombang tertentu dan elektron bebas pada antarmuka logam dan dielektrik [7]. SPs memungkinkan pinset optik untuk menembus batas difraksi. Selain itu, peningkatan SPs lokal yang drastis dapat mengurangi permintaan intensitas cahaya datang [7, 8]. Namun, SPs terkait erat dengan bahan dan dimensi objek serta panjang gelombang cahaya yang datang, yang memerlukan sejumlah besar eksperimen untuk menentukan parameter optimal pinset optik SP dalam praktiknya. Berdasarkan hal tersebut, metode simulasi memainkan peran yang semakin penting sebagai sarana bantu untuk desain dan optimasi pinset optik SP [9]. Dalam simulasi ini, perhitungan gaya optik diperlukan untuk memprediksi trapping yang stabil. Untuk objek biasa seperti bola, gaya optik dapat diturunkan secara analitik dari teori Lorenz-Mie yang digeneralisasi [10, 11]. Namun, untuk objek dengan konfigurasi yang rumit, metode numerik yang memecahkan persamaan Maxwell yang mengatur secara ketat diperlukan untuk memodelkan medan elektromagnetik serta gaya dan potensial optik berikutnya.

Metode numerik ini terutama dapat dikategorikan ke dalam metode persamaan diferensial (DEMs) dan metode persamaan integral (IEMs) [12,13,14,15]. Dibandingkan dengan IEM, metode persamaan diferensial (DEM) menunjukkan kemampuan unggul dalam menangani geometri dan komponen yang rumit. DEM juga memiliki keuntungan perhitungan langsung dari distribusi medan dekat, yang memainkan peran penting dalam analisis SPs. Sebagai perwakilan DEM, metode finite-difference time-domain (FDTD) diimplementasikan dalam domain waktu, yang dapat dengan mudah mendapatkan informasi broadband dan tanggapan transien [16, 17]. Namun, FDTD menuntut model dispersi yang akurat untuk menggambarkan sifat material yang bergantung pada frekuensi di SPs, sedangkan akurasi solusi FDTD sangat bergantung pada akurasi aproksimasi model dispersi ini [18]. Selain itu, FDTD bergantung pada jerat terstruktur, yang sering menyebabkan kesalahan tangga untuk permukaan melengkung. Sebagai perwakilan DEM lainnya, metode elemen hingga (FEM) telah diadopsi secara luas karena dapat dengan mudah menangani bahan dispersif dalam domain frekuensi dan menghilangkan kesalahan tangga dengan jala tidak terstruktur [19,20,21,22]. Dibandingkan dengan FDTD, FEM dapat secara langsung mengadopsi parameter material terukur tanpa model dispersi yang mendekati. Namun, peningkatan bidang lokal yang drastis di SPs memerlukan jaring halus dalam diskritisasi FEM. Selain itu, objek dengan dimensi besar dan banyak objek akan secara dramatis meningkatkan jumlah yang tidak diketahui. Faktor-faktor ini akan menyebabkan sistem matriks berkondisi buruk dan konsumsi komputasi yang besar, yang membawa tantangan besar bagi FEM tradisional untuk analisis perangkap optik yang ditingkatkan SP.

Pada artikel ini, metode dual-primal finite tearing and interconnecting (FETI-DP) yang efisien diperkenalkan untuk mensimulasikan optical trapping pada skala nano. FETI-DP mengadopsi skema dekomposisi domain yang tidak tumpang tindih, yang membagi masalah kompleks skala besar asli menjadi serangkaian masalah sederhana skala kecil untuk menaklukkannya. Ini memberlakukan kondisi transmisi pada antarmuka subdomain untuk memastikan kesinambungan yang diajukan, dan memperkenalkan variabel ganda untuk mengurangi masalah tiga dimensi (3D) asli menjadi masalah dua dimensi (2D) dengan pengali Lagrange. Variabel primal di sudut subdomain diekstraksi untuk mempercepat tingkat konvergensi solusi iteratif dari masalah ganda [23,24,25,26]. Pendekatan sparsifikasi peringkat rendah dikembangkan untuk meningkatkan kinerja FETI-DP. Ini menggunakan algoritma data-sparse untuk meningkatkan efisiensi untuk memecahkan masalah subdomain dan masalah ganda [27, 28]. Metode yang diusulkan menyediakan subdomain yang sepenuhnya terpisah, yang memungkinkan simulasi paralel gaya optik untuk menjebak partikel nano. Tensor tegangan Maxwell (MST) yang mengungkapkan hubungan antara medan elektromagnetik dan momentum mekanik diadopsi untuk mengevaluasi gaya optik [29]. Berdasarkan gaya optik yang diperoleh, potensi optik dapat dihitung lebih lanjut untuk analisis perangkap yang stabil. Dibandingkan dengan IEM, metode yang diusulkan lebih kuat dalam menangani bahan majemuk dan memecahkan medan dekat untuk perangkap optik berbasis SP. Dibandingkan dengan FDTD, metode yang diusulkan dapat secara akurat menangani material logam dispersif dalam sistem perangkap optik berbasis SP dan menghilangkan kesalahan tangga untuk objek dengan batas kurva. Dibandingkan dengan FEM, metode yang diusulkan cocok untuk perhitungan perangkap optik skala besar. Beberapa contoh dianalisis dan hasil numerik menunjukkan akurasi dan efisiensi metode yang diusulkan untuk prediksi dan analisis perangkap optik pada skala nano.

Metode

Formulasi DP-FETI

Untuk implementasi FETI-DP, domain komputasi asli pertama-tama dipecah menjadi serangkaian subdomain yang tidak tumpang tindih i (i = 1, 2, 3⋯, N s ), seperti yang ditunjukkan pada Gambar. 1. Di setiap subdomain i , sistem elemen hingga subdomain dapat diturunkan dari persamaan gelombang vektor sebagai

$$ \nabla \times {\mu}_r^{-1}\nabla \times {\mathbf{E}}^i-{k}_0^2{\varepsilon}_r{\mathbf{E}}^i ={jk}_0{\eta}_0{\mathbf{J}}_{\mathrm{imp}}^i\kern1.08em \mathrm{in}\kern0.24em {\Omega}^i $$ (1 ) $$ \hat{n}\times \nabla \times {\mathbf{E}}^i+{jk}_0\hat{n}\times \left(\hat{n}\times {\mathbf{E} }^i\right)=0\kern0.96em \mathrm{on}\kern0.24em {\Gamma}_{\mathrm{ABC}}^i $$ (2)

Skema pembagian domain dengan subdomain yang tidak tumpang tindih dalam metode FETI-DP. a Domain asli. b Subdomain yang terbagi dan mesh yang didiskritisasi

dimana E i menunjukkan medan listrik yang tidak diketahui yang harus diselesaikan dalam \( {\Omega}^i \), k 0 dan η 0 masing-masing adalah bilangan gelombang ruang bebas dan impedansi intrinsik, dan \( {\mathbf{J}}_i^{\mathrm{imp}} \) adalah arus impedansi. \( {\Gamma}_{\mathrm{ABC}}^i \) berarti syarat batas serap (ABC) untuk memotong daerah terbuka tak hingga. Perlu dicatat bahwa k 0 harus diganti dengan impedansi gelombang dalam media jika media sekitarnya bukan ruang bebas, yang umum untuk perangkap optik. Di antarmuka subdomain i , kondisi batas yang diasumsikan diperlukan untuk menghasilkan masalah nilai batas yang lengkap di i . Di sini, kondisi transmisi tipe Robin dengan variabel tambahan yang tidak diketahui Λ i dikenakan sebagai

$$ {\hat{n}}^i\times \left({\mu}_r^{-1}\nabla \times {\mathbf{E}}^i\right)+{\alpha}^i{ \hat{n}}^i\times \left({\hat{n}}^i\times {\mathbf{E}}^i\right)={\boldsymbol{\Lambda}}^i\kern1. 2em \mathrm{on}\kern0.36em {\Gamma}^i $$ (3)

di mana \( {\hat{n}}^i \) menunjukkan vektor luar normal satuan pada antarmuka subdomain i , dan α i adalah parameter kompleks yang sering dapat dipilih sebagai jk 0 . Semua subdomain kemudian didiskritisasi oleh elemen tetrahedral. Di setiap elemen, kami memperluas E dengan fungsi basis vektor N dan koefisien medan listrik yang tidak diketahui E sebagai

$$ \mathbf{E}=\sum \limits_{p=1}^s{E}_p{\mathbf{N}}_p $$ (4)

dimana s menunjukkan jumlah fungsi basis vektor di setiap elemen tetrahedral. s dipilih menjadi 6 untuk fungsi basis orde rendah tradisional berdasarkan tepi, sementara itu lebih besar untuk fungsi basis vektor orde tinggi, karena fungsi basis tambahan berdasarkan wajah atau volume diperkenalkan.

Menerapkan metode Galerkin, persamaan matriks FEM dalam Ω i tentang koefisien medan listrik yang tidak diketahui E i dapat diperoleh sebagai

$$ \left(\begin{array}{cc}{\mathbf{K}}_{rr}^i&{\mathbf{K}}_{rc}^i\\ {}{\mathbf{K}} _{cr}^i&{\mathbf{K}}_{cc}^i\end{array}\right)\left(\begin{array}{l}{E}_r^i\\ {}{E }_c^i\end{array}\right)=\left(\begin{array}{l}{f}_r^i-{\mathbf{B}}_r^{i^T}{\lambda}^ i\\ {}{f}_c^i\end{array}\kanan) $$ (5)

di mana notasi subskrip c dan r membedakan derajat kebebasan sudut (DOF) dan DOF yang tersisa, yang mengekstrak DOF sudut sebagai variabel primal untuk membangun skema dual-primal (DP). Di sini, K adalah matriks sistem FEM dan f adalah vektor eksitasi. B adalah matriks Boolean yang mengekstrak DOF antarmuka dari subdomain. λ adalah variabel ganda yang dihasilkan dari perluasan Λ i , yang juga disebut pengali Lagrange.

Kemudian, subdomain yang berdekatan dapat saling berhubungan dengan memaksakan medan listrik tangensial dan kontinuitas medan magnet pada antarmuka. Kami merakit semua antarmuka subdomain dan menghilangkan semua subdomain internal yang tidak diketahui E i . Persamaan antarmuka global yang dikurangi tentang variabel ganda λ dapat diperoleh sebagai

$$ \left[{\tilde{\mathbf{K}}}_{rr}+{\tilde{\mathbf{K}}}_{rc}{\tilde{\mathbf{K}}}_{cc }^{-1}{\tilde{\mathbf{K}}}_{cr}\right]\lambda ={\tilde{f}}_r-{\tilde{\mathbf{K}}}_{rc }{\tilde{\mathbf{K}}}_{cc}^{-1}{\tilde{f}}_c $$ (6)

Persamaan (6) dapat diselesaikan dengan metode iteratif, seperti metode generalized minimal residual (GMRES). \( {\tilde{\mathbf{K}}}_{cc} \) adalah sistem sudut global, yang dapat mempercepat konvergensi iteratif dalam ruang primal. Prakondisi yang sesuai dapat digunakan untuk meningkatkan laju konvergensi berulang, seperti perkiraan dekomposisi LU terbalik dan tidak lengkap. Setelah variabel ganda λ diselesaikan, medan listrik di dalam setiap subdomain dapat dievaluasi secara independen dengan (5). Untuk konstruksi matriks global \( {\tilde{\mathbf{K}}}_{rr} \), kita perlu membangun fungsi Green numerik subdomain \( {\mathbf{Z}}_{rr}^ i \) dengan bentuk

$$ {\mathbf{Z}}_{rr}^i={\mathbf{B}}_r^i{\left({\mathbf{K}}_{rr}^i\right)}^{- 1}{{\mathbf{B}}_r^i}^T $$ (7)

di mana invers dari matriks FEM subdomain \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \) disertakan. Selain itu, untuk matriks \( {\tilde{\mathbf{K}}}_{rc} \), \( {\tilde{\mathbf{K}}}_{cr} \), dan \( {\tilde {\mathbf{K}}}_{cc} \) dan vektor \( {\tilde{f}}_r \) dan \( {\tilde{f}}_c \), \( {\left({ \mathbf{K}}_{rr}^i\right)}^{-1} \) diperlukan untuk dihitung. Konstruksi \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \) pada tahap pra-pemrosesan serta produk matriks-vektor (MVP) mereka di tahap solusi iteratif secara komputasi mahal. Meskipun \( {\mathbf{K}}_{rr}^i \) jarang, \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \ ) padat, yang berarti biaya komputasi tinggi. Selanjutnya, metode sparsifikasi peringkat rendah diperkenalkan untuk mempercepat perhitungan \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \). Karena beberapa sub-matriks dalam sistem antarmuka global dapat direpresentasikan dalam bentuk matriks peringkat rendah, perhitungannya dapat dilakukan dengan algoritma peringkat rendah, yang meningkatkan kinerja FETI-DP. Dapat dilihat bahwa FETI-DP menyediakan operasi subdomain independen, sehingga dapat memanfaatkan komputasi paralel untuk meningkatkan efisiensi. Untuk skema paralel yang efisien, prinsip pembagian domain adalah membuat jumlah DOF di setiap subdomain seimbang mungkin. Oleh karena itu, ukuran subdomain harus berhubungan dengan kepadatan diskritisasi mesh. Biasanya, subdomain kecil diadopsi di area dengan mesh yang halus, sedangkan subdomain besar diadopsi di area yang digabungkan secara kasar.

Sparsifikasi Peringkat Rendah

Pendekatan sparsifikasi peringkat rendah diusulkan untuk menyediakan cara jarang data untuk meningkatkan efisiensi FETI-DP. Di sini, jarang data berarti matriks-matriks ini sebenarnya tidak jarang tetapi jarang dalam arti bahwa sub-blok tertentu darinya dapat diwakili oleh bentuk matriks dekomposisi peringkat rendah sebagai

$$ \mathbf{M}={\mathbf{XY}}^{\mathrm{T}}\kern0.72em \left(\mathbf{M}\in {\mathrm{\mathbb{C}}}^{ m\times n},\mathbf{X}\in {\mathrm{\mathbb{C}}}^{m\times k},\mathbf{Y}\in {\mathrm{\mathbb{C}}} ^{n\times k}\kanan) $$ (8)

dimana X dan Y dalam bentuk matriks penuh, dan peringkat k jauh lebih kecil dari m dan n . Matriks \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \) dapat direpresentasikan dengan bentuk matriks renggang data karena memiliki sifat matriks integral operator. Oleh karena itu, asalkan \( {\left({\mathbf{K}}_{rr}^i\right)}^{-1} \) memiliki properti peringkat rendah di subdomain tertentu, properti tersebut dapat dihitung dan disimpan secara efisien di formulir jarang data dengan pendekatan sparsifikasi peringkat rendah, yang mempercepat MVP dalam solusi iteratif.

Proses pendekatan sparsifikasi peringkat rendah dapat dibagi menjadi langkah-langkah berikut:(1) membangun pohon klaster dengan membagi himpunan fungsi dasar di setiap subdomain, (2) membangun pohon klaster blok dengan interaksi dua pohon klaster, ( 3) menghasilkan bentuk jarang data dari \( {\mathbf{K}}_{rr}^i \) dengan kondisi yang dapat diterima, (4) melakukan algoritme berformat peringkat rendah untuk mendapatkan representasi jarang data dari \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}}^{-1} \), dan (5) masukkan solusi sistem FETI-DP dengan algoritma data-sparse. Prekondisi yang sesuai dapat digunakan untuk mempercepat solusi. Perlu dicatat bahwa faktorisasi LU jarang data \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}}={\left({\mathbf {L}}_{rr}^i\right)}_{\mathrm{DS}}{\left({\mathbf{U}}_{rr}^i\right)}_{\mathrm{DS} } \) diadopsi untuk menggantikan inversi matriks \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}}^{-1} \). Teknik diseksi bersarang digunakan untuk lebih meningkatkan efisiensi sparsifikasi peringkat rendah. Diseksi bersarang menggunakan pemisah untuk menghasilkan sub-blok nol besar di luar diagonal, yang akan mempertahankan nol selama faktorisasi LU sehingga dapat mengurangi pengisian secara signifikan.

Untuk menghasilkan \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}} \), pertama-tama kita buat pohon cluster T Saya oleh subdivisi rekursif dari himpunan fungsi basis berbasis tepi subdomain I = {1,2,……T } menggunakan kotak pembatas. Dengan diseksi bersarang, sebuah cluster t dalam kotak pembatas yang sesuai dibagi menjadi tiga penerus {s 1 ,  sep ,  2 }, di mana s 1 dan s 2 adalah kumpulan indeks dari dua kotak pembatas yang tidak terhubung dan s sep adalah set indeks pemisah. Gambar 2 a menunjukkan contoh sederhana dari proses ini. Kemudian, pohon cluster blok T Saya × Aku dapat dibangun dengan berinteraksi dua pohon cluster T Saya , seperti yang ditunjukkan pada Gambar. 2 b, yang dapat dipilih sebagai pohon klaster dari himpunan fungsi basis berbasis tepi asli dan himpunan fungsi basis pengujian dalam metode Galerkin. Selanjutnya, kita perlu memperkenalkan kondisi penerimaan berdasarkan diseksi bersarang untuk membedakan blok penuh, blok dekomposisi peringkat rendah dan blok nol off-diagonal di T Saya × Aku [23]. Jadi, \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}} \) dapat dihasilkan dengan mengisi blok yang sesuai dengan entri bukan nol dari \( {\mathbf{K}}_{rr}^i \). Terakhir, faktorisasi LU jarang-data dari \( {\left({\mathbf{K}}_{rr}^i\right)}_{\mathrm{DS}}={\left({\mathbf{L }}_{rr}^i\right)}_{\mathrm{DS}}{\left({\mathbf{U}}_{rr}^i\right)}_{\mathrm{DS}} \ ) dapat dihitung secara rekursif dari

$$ {\mathbf{K}}_{rr}^i=\left[\begin{array}{ccc}{\mathbf{K}}_{11}&&{\mathbf{K}}_{13 }\\ {}&{\mathbf{K}}_{22}&{\mathbf{K}}_{23}\\ {}{\mathbf{K}}_{31}&{\mathbf{K }}_{32}&{\mathbf{K}}_{33}\end{array}\right]=\left[\begin{array}{ccc}{\mathbf{L}}_{11}&&\\ {}&{\mathbf{L}}_{22}&\\ {}{\mathbf{L}}_{31}&{\mathbf{L}}_{32}&{\mathbf{ L}}_{33}\end{array}\right]\left[\begin{array}{ccc}{\mathbf{U}}_{11}&&{\mathbf{U}}_{13} \\ {}&{\mathbf{U}}_{22}&{\mathbf{U}}_{23}\\ {}&&{\mathbf{U}}_{33}\end{array} \right] $$ (9)

Konstruksi pohon cluster dan pohon cluster blok 4 tingkat berdasarkan diseksi bersarang. a Konstruksi pohon cluster dengan subdivisi rekursif dari himpunan fungsi basis berbasis tepi I = {1,2,…18}. b Konstruksi pohon cluster blok di mana putih blok adalah matriks nol dan hijau blok dapat berupa matriks penuh atau matriks dekomposisi peringkat rendah

di mana aritmatika matriks penuh konvensional digantikan oleh rekan-rekan mereka yang jarang data [28]. Kesalahan pemotongan adaptif ε t digunakan untuk mengontrol keakuratan perkiraan peringkat rendah. Faktor LU yang diperoleh \( {\left({\mathbf{L}}_{rr}^i\right)}_{\mathrm{DS}} \) dan \( {\left({\mathbf{U} }_{rr}^i\right)}_{\mathrm{DS}} \) disimpan dan digunakan untuk membangun \( {\mathbf{Z}}_{rr}^i \) oleh

$$ {\mathbf{Z}}_{rr}^i={\mathbf{B}}_r^i{\left({\mathbf{U}}_{rr}^i\right)}_{\ mathrm{DS}}^{-1}{\left({\mathbf{L}}_{rr}^i\right)}_{\mathrm{DS}}^{-1}{\mathbf{B} }_r^i $$ (10)

di mana \( {\mathbf{B}}_r^i{\left({\mathbf{U}}_{rr}^i\right)}_{\mathrm{DS}}^{-1} \) dan \( {\left({\mathbf{L}}_{rr}^i\right)}_{\mathrm{DS}}^{-1}{\mathbf{B}}_r^i \) dapat dihitung oleh pemecah segitiga atas dan bawah yang jarang data. \( {\left({\mathbf{L}}_{rr}^i\right)}_{\mathrm{DS}} \), \( {\left({\mathbf{U}}_{ rr}^i\right)}_{\mathrm{DS}} \), dan \( {\mathbf{Z}}_{rr}^i \) masukkan perhitungan FETI-DP dengan data-sparse maju dan mundur substitusi (FBS) dan data-sparse MVP.

Kekuatan dan Potensi Optik

Menurut teori elektrodinamika, gaya optik dapat dievaluasi dengan tensor tegangan Maxwell (MST) yang mengungkapkan hubungan antara medan elektromagnetik dan momentum mekanik [29]. Setelah distribusi medan elektromagnetik di sekitar objek diperoleh, gaya optik dapat dihitung dengan mengintegrasikan MST di atas permukaan tertutup yang mengelilingi objek. Berdasarkan distribusi medan listrik yang diperoleh, MST pada setiap koordinat dapat dibangun dengan

$$ \overleftrightarrow{\mathbf{T}}=\frac{1}{2}\operatorname{Re}\left[\varepsilon {\mathbf{EE}}^{\ast }+\mu {\mathbf{HH }}^{\ast }-\frac{1}{2}\left(\varepsilon {\left|\mathbf{E}\right|}^2+\mu {\left|\mathbf{H}\kanan |}^2\kanan)\overleftrightarrow{\mathbf{I}}\kanan] $$ (11)

di mana tanda bintang superskrip menunjukkan konjugasi medan listrik atau medan magnet, ε adalah μ adalah permitivitas dan permeabilitas, dan \( \overleftrightarrow{\mathbf{I}} \) adalah matriks identitas 3 × 3. Dengan perkalian luar vektor, bentuk tensor dari \( \overleftrightarrow{\mathbf{T}} \) dapat ditulis sebagai

$$ \overleftrightarrow{\mathrm{T}}=\left[\begin{array}{lll}{T}_{xx}&{T}_{xy}&{T}_{xz}\\ {} {T}_{yx}&{T}_{yy}&{T}_{yz}\\ {}{T}_{zx}&{T}_{zy}&{T}_{zz} \end{array}\right]=\left[\begin{array}{ccc}\varepsilon {E}_x{E}_x^{\ast }+\mu {H}_x{H}_x^{\ast }-\frac{\varepsilon {\left|\mathbf{E}\right|}^2+\mu {\left|\mathbf{H}\right|}^2}{2}&\varepsilon {E} _x{E}_y^{\ast }+\mu {H}_x{H}_y^{\ast }&\varepsilon {E}_x{E}_z^{\ast }+\mu {H}_x{ H}_z^{\ast}\\ {}\varepsilon {E}_y{E}_x^{\ast }+\mu {H}_y{H}_x^{\ast }&\varepsilon {E}_y {E}_y^{\ast }+\mu {H}_y{H}_y^{\ast }-\frac{\varepsilon {\left|\mathbf{E}\right|}^2+\mu { \left|\mathbf{H}\right|}^2}{2}&\varepsilon {E}_y{E}_z^{\ast }+\mu {H}_y{H}_z^{\ast} \\ {}\varepsilon {E}_z{E}_x^{\ast }+\mu {H}_z{H}_x^{\ast }&\varepsilon {E}_z{E}_y^{\ast }+\mu {H}_z{H}_y^{\ast }&\varepsilon {E}_z{E}_z^{\ast }+\mu {H}_z{H}_z^{\ast }- \frac{\varepsilon {\left|\mathbf{E}\right|}^2+\mu {\left|\mathbf{H}\right|}^2}{2}\end{array}\right] $$ (12)

di mana subskrip x , y , z menunjukkan komponen dalam tiga arah. Menurut perluasan E dijelaskan dalam (4), entri MST T mn (m , n = x , y , z ) dapat diubah menjadi bentuk yang diperluas dalam perhitungan FETI-DP sebagai

$$ {\displaystyle \begin{array}{l}{T}_{mn}=\sum \limits_{p,q=1}^s{E}_p{E}_q\left\{\varepsilon {\ kiri({\mathbf{N}}_p\right)}_m{\left({\mathbf{N}}_q^{\ast}\right)}_n-\frac{1}{\omega^2\mu }{\left(\nabla \times {\mathbf{N}}_p\right)}_m{\left(\nabla \times {\mathbf{N}}_q^{\ast}\right)}_n\kanan .\\ {}\kern1.75em \left.-\frac{1}{2}\left[\varepsilon \left({\mathbf{N}}_p\right)\left({\mathbf{N}} _q^{\ast}\right)-\frac{1}{\omega^2\mu}\left(\nabla \times {\mathbf{N}}_p\right)\left(\nabla \times {\ mathbf{N}}_q^{\ast}\right)\right]\right\}\kern1.75em \mathrm{if}\ m=n.\end{array}} $$ (13) $$ {T }_{mn}=\sum \limits_{p,q=1}^s{E}_p{E}_q\left\{\varepsilon {\left({\mathbf{N}}_p\right)}_m {\left({\mathbf{N}}_q^{\ast}\right)}_n-\frac{1}{\omega^2\mu }{\left(\nabla \times {\mathbf{N} }_p\right)}_m{\left(\nabla \times {\mathbf{N}}_q^{\ast}\right)}_n\right\}\kern1.25em \mathrm{if}\ m\ne n. $$ (14)

dimana ω adalah frekuensi sudut; N dan s telah dijelaskan dalam Persamaan. (4).

Akhirnya, gaya optik yang diberikan pada objek dapat dihitung dengan mengintegrasikan MST pada permukaan tertutup yang mengelilinginya dengan

$$ \mathbf{F}={\oint}_S\left(\overleftrightarrow{\mathbf{T}}\cdot \hat{n}\right)\ dS. $$ (15)

Perhatikan bahwa perhitungan gaya optik juga dapat diimplementasikan secara paralel, karena integral dari MST ditetapkan ke subdomain yang sesuai. Untuk perangkap optik yang stabil, salah satu syarat utama adalah bahwa gaya gradien harus lebih besar dari gaya hamburan. Dengan kata lain, arah gaya total harus identik dengan arah gaya gradien, yang selalu menunjuk ke posisi di mana intensitas medan listrik paling kuat.

Potensi optik adalah parameter menarik lainnya yang mengungkapkan stabilitas perangkap optik. Berdasarkan gaya optik yang diperoleh, kedalaman potensial optik U di posisi r 0 dapat dihitung dengan

$$ \mathbf{U}\left({r}_0\right)=-{\int}_{\infty}^{r_0}\mathbf{F}\left(\mathbf{r}\right)\cdot \mathbf{r}, $$ (16)

di mana subskrip menunjukkan tak terhingga yang didefinisikan sebagai titik referensi dengan potensial nol. Nilai U dapat diwakili oleh k B T, di mana k B menunjukkan konstanta Boltzmann dari 1,3806488 × 10 −23 J/K dan T adalah suhu lingkungan. Umumnya, partikel dapat mengatasi gerak Brown dalam larutan dan terperangkap secara stabil ketika U> 1 k B T puas. Jika tidak, partikel tidak dapat terperangkap secara stabil. Karena gaya optik total mencakup komponen gaya gradien konservatif dan komponen gaya hamburan non-konservatif, gaya optik total F dari (15) adalah non-konservatif [30, 31]. Namun, asalkan gerakan nanopartikel terbatas pada satu dimensi, ini menghasilkan definisi yang jelas tentang potensial optik dari (16), meskipun gaya optik total non-konservatif.

Hasil dan Diskusi

Tiga contoh disajikan untuk menunjukkan efektivitas metode yang diusulkan. Karena logam mulia biasanya digunakan untuk merangsang plasmon permukaan, kami memilih bahan emas dan perak yang representatif untuk analisis. Contoh pertama menghitung gaya optik nanopartikel perak untuk memverifikasi keakuratan metode yang diusulkan. Contoh kedua dan ketiga mensimulasikan dan mendiskusikan perangkap optik nanopartikel emas. Untuk semua contoh, domain tak hingga dipotong dengan ABC, dan jarak antara ABC dan objek diatur menjadi satu panjang gelombang, yang cukup untuk mencapai akurasi yang dapat diterima. Semua perhitungan dilakukan pada workstation Dell yang dilengkapi dengan prosesor Intel Xeon 3,6 GHz.

Nanokapsul Perak

Objek nanokapsul perak pertama kali dipertimbangkan untuk menguji akurasi dan efisiensi metode FETI-DP yang diusulkan dalam memprediksi gaya optik. Gambar 3 a dan b menyajikan konfigurasi dan dimensinya. Parameter konstitutif perak adalah semua nilai terukur yang diambil dari [32]. Untuk mengimplementasikan skema FETI-DP, seluruh domain analisis terlebih dahulu dibagi menjadi 24 subdomain. Jaring yang lebih padat diperlukan di dekat permukaan logam untuk memodelkan efek peningkatan medan lokal plasmonik. Elemen tetrahedral diadopsi untuk diskritisasi, yang menghasilkan total 6,9 × 10 5 tidak diketahui, termasuk 4.1 × 10 4 ganda tidak diketahui dan 313 sudut tidak diketahui. Lampu insiden menerangi sepanjang arah +z , sedangkan arah polarisasi medan listrik adalah x .

Konfigurasi struktur nanokapsul perak. a tampilan 3D. b Tampilan depan dan dimensi, di mana R = 30 nm dan h = 60 nm

Pertama, kita ubah panjang gelombang cahaya datang λ dari 200 nm hingga 400 nm untuk mensimulasikan gaya optik yang diberikan pada nanokapsul. Karena FETI-DP bekerja dalam domain frekuensi, gaya optik dihitung pada 15 titik frekuensi sampling. Gambar 4 menunjukkan kurva terhitung gaya optik yang diberikan pada nanokapsul perak. Untuk menunjukkan keakuratan FETI-DP, hasil gaya optik FETI-DP dibandingkan dengan perangkat lunak komersial Lumerical FDTD Solutions [33], dan kesepakatan yang baik dapat diamati.

Hasil gaya optik yang diberikan pada nanokapsul perak, bervariasi dengan panjang gelombang λ cahaya insiden, termasuk hasil FETI-DP dan solusi FDTD perangkat lunak komersial

Then, the performance of FETI-DP is tested for different numbers of subdomains. We increase the number of subdomains from 4 to 24 by keeping the discretization density. We assign each processor to deal with one subdomain. Table 1 reports the time used for the construction of global interface Eq. (6) and the total solution time. It can be seen that the FETI-DP can fully exploit parallel computing resources and significantly improve the solution efficiency. Besides, the accuracy of the FETI-DP with the number of subdomains increasing is also examined and reported in Table 1. Here, the accuracy is defined by the 2-norm relative error of the optical force as δ OF  = ‖OF i  − OF ref ‖/‖OF ref ‖, where OF i is the optical force using i subdomains and OF ref denotes the reference optical force using two subdomains. It can be seen that the accuracy keeps almost constant with the number of subdomains increasing.

Gold Nanosphere Dimer

The second example analyzes the optical trapping of a gold nanosphere by using a gold nanosphere dimer. The plasmonic effects at the dimer gap can effectively enhance the optical force for trapping nanoparticle. Figure 5 a and b gives the configuration and dimensions of this system. The constitutive parameters of gold are all measured values taken from [32]. The surrounding medium is water with a relative refractive index of n  = 1.33. The incident light is a plane wave with the power of 10 mW/μm 2 , the electric field polarization direction is +x , and the incident direction is −z . The optical force exerted on the object nanosphere is calculated by the FETI-DP method. For the FETI-DP implementation, the whole computational domain is divided into 32 subdomains and discretized by tetrahedral meshes, which results in 3.5 × 10 6 unknowns, including 1.6 × 10 5 dual unknowns and 1738 corner unknowns.

Configuration of an optical trapping system of a gold nansphere dimer in water. a 3D view. b Front view and dimensions, where R = 25 nm, r = 5 nm, and g = 2 nm

First, we test the parallel performance of the proposed FETI-DP by using various numbers of processors. Table 2 reports the solution time for Eq. (6) as well as the total solution time. Besides, the speedups for the parallel computation are also provided in Table 2. Here, the speedup is defined by

$$ \mathrm{Speed}\ \mathrm{up}=\raisebox{1ex}{${T}_1$}\!\left/ \!\raisebox{-1ex}{${T}_{N_p}$}\right. $$ (17)

where \( {T}_{N_p} \) denotes the total wall-clock time using N p processors. It can be seen that the FETI-DP significantly improves the solution efficiency and exhibits good parallel speedup. For this large number of unknowns, the total memory usage of all the processors is only 57.2 GB.

Then, the effectiveness of the low-rank sparsification approach is examined. With the low-rank sparsification, the subdomain matrix can be factorized by data-sparse algorithm and stored as data-sparse matrices. The construction time and memory usage are only 18 s and 0.5 GB, while they are 67 s and 1.7 GB by conventional matrix algorithm. It can be seen that we get 72% time saving and 70% memory compression. Related to the memory usage, the subsequent MVPs can also get 70% time-saving.

Next, the FETI-DP is tested for the optical force calculation with the wavelength λ varying from 277 nm to 818 nm. In practice, the analyses of optical force under incident light of different wavelengths are often necessary for searching the plasmonic resonance wavelength, where drastic field enhancement occurs and the strongest optical force can be obtained. Two cases are considered with the nanosphere located at (0, 0, 20 nm) and (0, 0, − 20 nm). Figure 6 a and b plots the calculated optical forces exerted on the nanosphere for different λ . It can be seen that the maximum optical force occurs at λ  = 472 nm, which is the plasmonic resonance wavelength. The optical force at this resonance wavelength enhanced by nearly 40 times as against that at non-resonance wavelength. Moreover, the optical force always points to the dimer gap, as shown in Fig. 6, where the electric field intensity is strongest. It is also the direction of gradient force to trap the object. Figure 7 a and b shows the calculated electric field enhancement distributions at the non-resonance wavelength of λ = 300 nm and the resonance wavelength of λ = 472 nm, respectively. It can be seen that the electric field intensity has been increased by almost 250 times due to the plasmonic resonance effect.

Calculated results of optical forces exerted on the nanosphere in the system of gold nanosphere dimer, varying with the wavelength λ of incident light. a The object nanosphere is located at (0, 0, 20 nm). b The object nanosphere is located at (0, 0, − 20 nm)

The electric field enhancement distributions on the xoz plane for the system of gold nanosphere dimer. a λ = 300 nm (non-resonance wavelength). b λ  = 472 nm (resonance wavelength)

Besides, the optical force and optical potential are calculated with the nanosphere moving from (0, 0, − 30 nm) to (0, 0, − 17 nm) along the z -sumbu. Since the most typical and interesting behavior of trapping forces and potentials are those acting along z -direction, we here consider the axial trapping potential by integration along the z -sumbu. Because the motion of the nanoparticle is restricted to one dimension, the definition of an optical potential is unambiguous from (16), even though the total optical force from (15) is non-conservative. As shown in Fig. 8 a, b, with the nanosphere moving to the dimer gap, the optical force and optical potential depth obviously increase. At the position of (0, 0, − 17 nm), an optical potential depth of 4.6 k B T is produced, which is sufficient to overcome the Brownian motion in water to achieve stable optical trapping.

The optical forces and optical potentials exerted on the nanosphere in the system of gold nanosphere dimer, when the nanosphere moves from (0, 0, − 30 nm) to (0, 0, − 17 nm). a The optical forces. b The optical potentials

Finally, we test the effects of the dielectric substrate for this example. The optical forces are calculated with and without a substrate, respectively. For both two cases, the nanosphere is located at (0, 0, − 20 nm) and the incident wavelength is chosen as the resonance wavelength. For the case without substrate, the calculated result of the optical force is |F 0 | = 0.769 pN. For the case with a substrate, the gold nanosphere dimer is put on a dielectric substrate with a thickness of 60 nm and a relative permittivity of ε r = 2.25. The calculated result of the optical force is |F 1 | = 0.761 pN. The relative error between these two results of optical forces is about 1.0 × 10 −2 , which is defined as |F 1  − F 0 |/|F 0 |.

Gold Truncated Cone Dimer

The third example deals with the optical trapping of a gold nanosphere by using a gold truncated cone dimer. Figure 9 gives the configuration and dimensions of this system. The constitutive parameters of gold are taken from [32]. The dielectric substrate has a relative permittivity of ε r  = 2.25. The surrounding medium is water with a relative refractive index of n  = 1.33. The incident light is plane wave with the power of 10 mW/μm 2 , the electric field polarization direction is +x , and the incident direction is −z . The whole computational domain is divided into 32 subdomains and discretized by tetrahedral meshes, which leads to 3.1 × 10 6 unknowns, including 1.3 × 10 5 dual unknowns and 1227 corner unknowns.

Configuration of an optical trapping system of a gold truncated cone dimer based on a dielectric substrate in water. a 3D view. b Front view and dimensions, where UR = 20 nm, LR = 30 nm, h = 35 nm, and g = 2 nm

First, we analyze the optical forces by changing λ from 277 nm to 818 nm. Figure 10 plots the calculated optical forces exerted on the nanosphere for different λ . The nanosphere is located at (0, 0, 35 nm). It can be seen that the maximum optical force occurs at λ  = 464 nm, which is the plasmonic resonance wavelength, and the optical force here is enhanced by nearly 30 times at non-resonance wavelength. Moreover, the total optical force always points to −z , as shown in Fig. 10, which is the direction of the gradient force. This confirms that the gradient force is greater than the scattering force, which is one of the conditions that the nanosphere can be stably trapped. Figure 11 a and b presents the calculated electric field distributions at the non-resonance wavelength of λ =300 nm and the resonance wavelength of λ = 464 nm, respectively. It can be seen that electric field intensity has been increased by almost 500 times due to the localized surface plasmon resonance.

Calculated results of optical forces exerted on the nanosphere in the system of gold truncated cone dimer, varying with λ . The nanosphere is located at (0, 0, 35 nm)

The electric field enhancement distributions on the xoz plane for the system of gold truncated cone dimer. a λ =300 nm (non-resonance wavelength). b λ =464 nm (resonance wavelength)

Then, the location of the nanosphere is changed to 0, 5, and 35 nm to observe the optical force. Figure 12 gives the calculated optical forces exerted on the nanosphere, where obvious y -component of optical force can be observed, while greater z -component of optical force exists. The total optical force still points to the position with the strongest electric field to trap the nanosphere.

Calculated results of optical forces exerted on the nanosphere in the system of gold truncated cone dimer varying λ . The nanosphere is located at (0, 5 nm, 35 nm)

Furthermore, we analyze the optical potential with the nanosphere moving from (0, 0, 50 nm) to (0, 0, 20 nm) along the z -sumbu. Here, we consider the axial trapping potential along z -direction, which restricts the motion of the nanoparticle to one dimension and leads to an unambiguous definition of optical potential. Both the optical force and potential are calculated. As can be observed from Fig. 13 a, b, with the nanosphere moving to the dimer gap, the optical force and the optical potential depth obviously increase. At (0, 0, 20 nm), an optical potential depth of 3.8 k B T is obtained, which is sufficient to overcome the Brownian motion in water to achieve stable optical trapping.

The optical forces and optical potentials exerted on the nanosphere in the system of gold truncated cone dimer, when the nanosphere moves from (0, 0, 50 nm) to (0, 0, 20 nm). a The optical forces. b The optical potentials

Finally, we test the computational costs of the FETI-DP by changing the number of unknowns from 1.0 million to 3.2 million based on different mesh size. In practice, the tests under different mesh density are usually necessary to meet different accuracy requirements. Such a large-scale complex problem brings great challenges to conventional numerical methods. However, the FETI-DP can easily handle this problem. Thirty-two processors are employed for the FETI-DP simulation, while each processor deals with a subdomain. Table 3 reports the computational costs of the FETI-DP. It can be seen that the FETI-DP exhibits high simulation efficiency and low memory requirement.

Kesimpulan

An FETI-DP method combined with low-rank sparsification is proposed for the prediction and analysis of optical trapping of metal nanoparticles. The proposed method provides fully decoupled subdomain problems, which converts a large-scale complex problem into a series of small-scale simple problems. It is well-suited for parallel computation and can significantly improve the efficiency of numerical simulation. Examples demonstrate that the proposed method exhibits excellent performance of large-scale computation and is well-suited for the fast and accurate simulation of optical trapping at nanoscale.

Ketersediaan Data dan Materi

Semua data yang dihasilkan atau dianalisis selama studi ini disertakan dalam artikel ini.

Singkatan

ABC:

Absorbing boundary condition

DOF:

Degrees of freedom

FDTD:

Domain waktu perbedaan-hingga

FEM:

Metode elemen hingga

FETI-DP:

Dual-primal finite element tearing and interconnecting

MST:

Maxwell stress tensor

MVP:

Matrix-vector product


bahan nano

  1. Metode dan Analisis Mesh Saat Ini
  2. C# kelas abstrak dan metode
  3. C# Kelas Parsial dan Metode Parsial
  4. C# kelas dan metode tersegel
  5. Modulasi Sifat Anisotropi Elektronik dan Optik ML-GaS oleh Medan Listrik Vertikal
  6. Sintesis dan Sifat Optik dari Nanocrystals dan Nanorods Selenium Kecil
  7. Fabrikasi dan Karakterisasi Dukungan Katalis Anodik Karbon Tio2 Komposit Baru untuk Sel Bahan Bakar Metanol Langsung melalui Metode Electrospinning
  8. Peningkatan Khasiat Antitumor dan Farmakokinetik Bufalin melalui Liposom PEGylated
  9. Preparasi dan Sifat Optik Film GeBi dengan Menggunakan Metode Molecular Beam Epitoxy
  10. Ilmuwan Mengembangkan Metode Baru Untuk Membuat Layar Lebih Cerah Dan Lebih Efisien