Impact of secondary interactions on in-coupler designs for thin waveguide combiners
Notice bibliographique
Résumé
The waveguide combiner architecture has become a popular choice for augmented reality systems. Comfort and social acceptability factors drive the desire for weight reduction in the next generation platforms, which in turn requires decreasing the thickness of the glass lightguide. This work focuses on optimizing the in-coupling efficiency of diffractive waveguide combiners for various lightguide thicknesses based on a closed-form expression that includes losses from secondary or back-coupling interactions at the grating. As the lightguide thickness decreases, these secondary interactions lead to a lower theoretical limit of in-coupling efficiency. On the other hand, we find that achieving this limit for thin waveguides does not necessarily require gratings with very high first-order diffraction efficiency, which is commonly a challenge for conventional thick lightguides. Instead, the best possible in-coupling efficiency can still be achieved as long as the grating exhibits high specular reflection (deflection into the zeroth diffraction order following TIR at the grating interface), even if the grating’s first order diffraction efficiency is relatively low. We demonstrate that exploitation of this effect opens a larger design space compared to thick lightguides, which depend more heavily on the first-order diffraction efficiency. As a result, it is easier to operate near the theoretical limit for thin waveguides, partially offsetting the overall efficiency reduction. We illustrate our results with optimized slanted surface relief gratings that operate near the system efficiency limit. Finally, we explore structures with vertical sidewalls that might be simpler to fabricate, and through both direct and inverse design techniques, we demonstrate comparable performance to slanted gratings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».