液晶光栅PVG。 衍射效率计算。 (胆甾相)

液晶光栅PVG（偏振体积光栅）这玩意儿在AR眼镜和全息显示里特别火，尤其胆甾相液晶那个螺旋结构，能把光的偏振玩出花来。今天咱们就掰开揉碎了说说它的衍射效率到底怎么算——别怕，保证不让你看睡着。

先瞅瞅胆甾相液晶的周期性结构，螺旋轴方向上的周期长度P是关键参数。假设入射光波长是λ，当满足布拉格条件2P·sinθ = mλ时（θ是入射角，m是衍射级次），衍射效率直接拉满。不过实际操作中还得考虑液晶的双折射率Δn，这货直接决定光栅的"力道"。

液晶光栅PVG。 衍射效率计算。 (胆甾相)

上段Python代码演示单层计算：

import numpy as np def calc_eta(P, theta, wavelength, delta_n, thickness): k0 = 2*np.pi/wavelength beta = k0 * delta_n * thickness * np.cos(theta) bragg_term = np.sinc( (P*np.sin(theta)/wavelength - 0.5) )**2 return (np.sin(beta)**2) * bragg_term # 示例参数 eta = calc_eta(P=400e-9, theta=np.radians(30), wavelength=550e-9, delta_n=0.15, thickness=5e-6) print(f"理论衍射效率: {eta:.2%}")

这段代码的精髓在beta参数，它把液晶层厚度和双折射率揉在一起。np.sinc函数处理布拉格失配的情况——当入射角偏离设计角度时，效率会断崖式下跌。实际测试时会发现，当delta_n超过0.2后，效率提升开始边际递减，这就是液晶材料选择的平衡点。

多层堆叠的情况更带劲，得用矩阵法建模。每个薄层看作琼斯矩阵，整体传输矩阵就是各层的连乘。举个栗子：

class LiquidCrystalLayer: def __init__(self, delta_n, thickness, twist): self.J = np.array([[np.exp(-1j*delta_n*thickness/2), 0], [0, np.exp(1j*delta_n*thickness/2)]]) self.twist = twist # 螺旋角度 def get_matrix(self, wavelength): # 考虑旋光效应的变换矩阵 R = np.array([[np.cos(self.twist), -np.sin(self.twist)], [np.sin(self.twist), np.cos(self.twist)]]) return R @ self.J @ R.T # 堆叠20层不同角度的液晶 layers = [LiquidCrystalLayer(delta_n=0.15, thickness=0.25e-6, twist=i*18*np.pi/180) for i in range(20)]

这里每层液晶都有18度的螺旋角增量，模拟完整的360度螺旋结构。实际跑仿真时会发现，当层数超过15层后，衍射效率能稳定在80%以上，但响应时间也会成倍增加——又是鱼与熊掌的老问题。

最后给个实用建议：做PVG优化时，先拿COMSOL或者FDTD Solutions建个模，再用Python脚本批量扫参数。重点盯着Δn和螺距P的组合，这两个参数对效率的影响比液晶厚度更敏感。记住，当P≈λ/(2Δn)时，基本就能吃透90%的应用场景了。