解釋最佳化手機顯示的自動化工作流程的步驟

Lumerical STACK多層結構解析求解器，因為可以精確地處理多層厚度，對於設計垂直發射的顯示器材，STACK計算速度非常高效，幾秒鐘直接就完成求解，非常適合用於最佳化程式嘗試數十萬種設計。

在設計顯示器時，定量的方法描述顏色是非常重要的，可以透過顏色空間進行幾何處理，展示在CIE 1976顏色空間中的色度圖，將光的實際狀態與視覺感知聯系起來。使用紅色、藍色和綠色作為原色，將它們混合在一起，可以在所謂的器材色域內產生白色和任何其他顏色。

因此我們希望RGB的盡可能接近色度圖邊界顏色，換言之完全單色，實作ZUI寬的色域，色域覆蓋率CGC，同時我們需要高效的光提取，我們稱之為外部量子效率或EQE，並且從寬視角下也能清晰的顯示顏色的準確性，準確描述顏色隨觀察角度的變化，我們稱之為ZUI大顏色偏移MCS。

因此在STACK設計改變發射腔不同層結構的厚度，將會得到不同的色域和色偏結果，我們希望在色域和色偏之間找到合適的平衡，同時保證出光效率。

2. optiSLang工作流自動化和設計最佳化

optiSLang是一個開放平台，用於連線來自不同來源的工具和數據，以自動化的方式執行分析，從而完成產品開發最佳化過程，生成元模型的敏感性分析，找到ZUI佳設計和評估重要輸入參數的方法。

對於顯示器設計最佳化，對光提取效率、色偏和色域覆蓋率的光譜指標進行多目標最佳化。因此optiSLang為數值模擬建立了一個工作流程，並執行它進行設計最佳化。

建立參數化系統後，進行參數敏感性分析。在敏感性分析中，透過COP矩陣預測輸出變化，COP的數值告訴我們模型質素，此外可以看到參數對輸出的影響。所以我們會得到在OLED設計的堆層中有哪幾層的厚度參數是影響設計目標光提取率、色偏和色域的關鍵，可以直接了解光學行為。

透過敏感性分析，以了解設計參數各結構厚度參數和設計目標的設計行為，並使用結果支持我們的最佳化 演算法 ，即前進演化演算法，自動執行數千種靈敏度和最佳化設計，因為這是一個多目標最佳化，可以得到了一組ZUI佳設計，稱為帕累托前展面，從帕累托前展面沿獲取設計，並將最佳化後的Lumerical數據以RGB強度分布數據形式匯入Speos。

3. Speos人眼視覺仿真，在照明環境下，顯示器視覺感知質素。

現在，我們需要了解數據將如何從Lumerical傳輸到Speos，在Lumerical的堆層設計中的到的是像素的納米結構，即RGB像素的光角度分布和顏色 資訊 ，然後，由於optiSLang自動化功能，RGB像素輸出數據會自動復制，在經過處理指令碼將整個顯示器RGB像質數據轉換為Speos格式，即光譜發光強度分布數據，將使用強度分布數據作為輸入光源來定義手機顯示器。

在轉換後的RGB堆層數據，在Speos中以光強分布的形式定義，在Speos中需要做的就是使用紅色、綠色和藍色的強度分布來定義顯示的RGB白色源，屬於整個系統的降階模型，因為不再需要具體的堆層資訊，因為RGB光強數據已經包含正確顏色和正確光分布資訊，再透過Speos的 te xture功能在顯視器上生成影像，以獲得更好的人眼視覺體驗。

在Speos中設定RGB光源之後，將手機顯示器放置在環境場景中，並用人眼視覺仿真從不同的角度觀察顯示器的顯示效果。Speos可以透過調整RGB的比例校準顯視器，以便進行逼真的模擬，將平均亮度調整為當前市場上手機的亮度設定975cd/m2，調整RGB獲取與白色光源D65相同的色度座標。現視覺仿真設計結果，選取Lumerical的初始設計和透過optiSLang最佳化後帕累托延展面的最佳化點。

第一排是初始設計，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。可以看到當增加入射角時，最初的設計變成了綠色。

在第二排是從optiSLang獲得的第一個最佳化設計。在正常入射時開始呈白色，當增大入射角時，它看起來像暖白色，幾乎是紅色，同樣的另外兩個最佳化設計。可以看到類似的趨勢，但不同的顏色外觀。

選擇第一個最佳化設計，並獲得一些顏色變化的指標，將顯示光源表面使用texture顯示具體影像，在顯視器上顯示影像時，不同事先角度顏色變化。

3、 結束語

透過Speos和lumerical聯合optiSLang的顯示器最佳化設計，透過Lumerical STACK可以設計和模擬一個參數化的微型LED或OLED像素設計，然後透過optiSLang完成多目標最佳化，最後將最佳化後的多組最佳化方案，在Speos真是的環境場景中，以人眼視覺方式比較這些設計方案。同樣的這個顯示最佳化工作流程也適用於其他套用，如汽車顯視器、電視、 電腦 顯視器和智能手錶顯視器。