9/15/2017

Instructor
Dr. Raymond Rumpf
(915) 747‐6958
rcrumpf@utep.edu

EE 5337
Computational Electromagnetics (CEM)

Lecture #25

Slice Absorption Method
 These notes may contain copyrighted material obtained under fair use rules.  Distribution of these materials is strictly prohibited  
Lecture 25 Slide 1

Outline
• Three‐Dimensional FDFD
• Matrix Ordering
• Slice Absorption Method
• Plane Wave Source
• Transparent Boundary Condition
• Field Solution
• Fourier‐Space SAM
• Example Simulations
• Dispersion Analysis Using the SAM

Lecture 25 Slide 2

1
 9/15/2017

Three‐Dimensional
FDFD

Lecture 25 Slide 3

Matrix Form of Maxwell’s Equations

i , j , k 1
  Ezi , j 1, k  Ezi , j , k E y  E yi , j , k Deye z  Deze y  μ xxh x
Ez  E y   xx H x    xxi , j , k H xi , j , k
y z y  z
  Exi , j , k 1  Exi , j , k Ezi 1, j , k  Ezi , j , k
Ex  Ez   yy H y  i, j,k  i, j,k
  yy Hy Deze x  Dexe z  μ yy h y
z x z x
  E yi 1, j , k  E yi , j , k Exi , j 1, k  Exi , j , k
Ey  Ex   zz H z    zzi , j , k H zi , j , k Dexe y  Deye x  μ zz h z
x y x y

H zi , j , k  H zi , j 1, k H y  H y
i, j,k i , j , k 1
    Dhyh z  Dhzh y  ε xxe x
Hz  H y   xx Ex    xxi , j , k Exi , j , k
y z y z
    H xi , j , k  H xi , j , k 1 H zi , j , k  H zi 1, j , k
Hx  H z   yy E y    yy
i, j,k i, j,k
Ey Dhzh x  Dhxh z  ε yy e y
z x z x
    H yi , j , k  H yi 1, j , k H xi , j , k  H xi , j 1, k
Hy  H x   zz Ez    zzi , j , k Ezi , j , k Dhxh y  Dhyh x  ε zz e z
x y x y

Lecture 25 Slide 4

2
 9/15/2017

Block Matrix Form
We can write our matrix equations in block matrix form.

Deye z  Deze y  μ xx h x  0 Dey  e x  μ xx 0

 Dez 0  h x 
 e   
D e  D e  μ yy h y Dex  e y    0 μ yy 0  h y 
e e
z x x z  D z 0
Dexe y  Deye x  μ zz h z  Dey
 Dex 0   e z   0 0 μ zz   h z 
 
  Ce e  μ  h
  E     H


Dhyh z  Dhzh y  ε xx e x  0 Dhy   h x  ε xx 0

Dhz 0  e x 
 h  
D h x  Dhxh z  ε yy e y  Dhx  h y    0 ε yy 0  e y 
h
z  D z 0
Dhxh y  Dhyh x  ε zz e z  Dhy
 Dhx 0   h z   0 0 ε zz   e z 
 
  Chh  ε  e
  H     E


Lecture 25 Slide 5

Three‐Dimensional FDFD
Block Matrix Form Matrix Wave Equations
 
Ce e  μ  h 
 
Chh  ε  e
 1

Ce ε  Ch  μ  h  0


  h x  e x 
 C μ 
h 1
C  ε   e  0
e 

h  h y  
e  e y 
 h z  
   e z  Ωe  0
μ xx 0 0 ε xx 0 0
μ    0 μ yy 0  ε    0 ε yy 0  For 3D analysis,  is 
 0 0 μ zz  usually too big to solve by 
 0 0 ε zz 
 0 Dhz Dhy  simple means.
 0  Dez Dey 
   
Ch   Dhz 0  Dhx  C   Dez
e
0 Dex 
  Dhy Dhx 0    Dey Dex 0 
 

Lecture 25 Slide 6

3
 9/15/2017

Grid to Matrix Scaling & Memory
Typical grid required to model a  Number of points in grid: 40,000 points
3D device. Complex #’s for ex, ey, and ez: 120,000 complex #’s
Real #’s for ex, ey, and ez: 240,000 real floating‐point #’s

Size of matrix ષ: 120k  120k complex #’s

Number of complex elements: 14.4 billion complex #’s
Number of real elements: 28.8 billion real #’s
Memory to store full ષ: 214.6 Gb

Size of ex: 40k complex numbers
N x  20 Memory for ex: 625 kb
N y  20
Size of full Dx: 40k  40k complex numbers
N z  100 Memory for full Dx: 23.8 Gb
Density of Dx: 0.005% non zero elements
Memory for sparse Dx: 1.5 Mb

Size of full Ce: 120k  120k complex numbers

Memory for full Ce: 214.6 Gb
Density of Ce: 0.0033% non zero elements
Memory for Sparse Ce: 8.2 Mb

Memory for direct solution: 110 Gb
Lecture 25 Slide 7

Matrix Ordering

Lecture 25 Slide 8

4
 9/15/2017

Standard FDFD Order
Matrix Wave Equation
 E1,1,1
x
  E1,1,1
y
  E1,1,1
z

  2,1,1   2,1,1   2,1,1 
Ωe  0
 Ex   Ey   Ez 
Ω  C h  μ  Ce   ε 
1
        
 N x ,1,1   N x ,1,1   N x ,1,1 
 Ex   Ey   Ez 
 E1,2,1   E1,2,1   E1,2,1 
 x2,2,1   2,2,1y
  z2,2,1 
Matrix Order  Ex   Ey   Ez 
        
 Ω xx Ω xy Ω xz  e x  0  ex    ey    ez   
   ExN x ,2,1   E yN x ,2,1   EzN x ,2,1 
Ω yx Ω yy Ω yz  e y   0       
 Ω zx   
 Ω zy Ω zz   e z  0       
 E N x , N y ,1   E N x , N y ,1   E N x , N y ,1 
 x 1,1,2   y 1,1,2   z 1,1,2 
 Ex   Ey   Ez 
      
       
 E Nx ,N y ,Nz   E Nx ,N y ,Nz   E Nx ,N y ,Nz 
 x   y   z 

Raster first along x, then y, and then z.

Lecture 25 Slide 9

Reorder Operation
The matrix equation is reordered in a manner that groups   E1,1,1 
x
all fields located within the same slices into adjacent   1,1,1 
 Ey 
rows and/or columns.  E1,1,1 
1,1,1
 Ex  
z
2,1,1 
 0    Ex 
Ωe     E 2,1,1 
  reorder  Ω   E Nx ,Ny ,Nz   y

Ω  x
  Ez
2,1,1

  E1,1,1   
e  reorder  e  
y
  
e    e   E N x ,1,1 
x
 E Nx ,Ny ,Nz   N x ,1,1 
 y 1,1,1   y E 
 Ez   EzN x ,1,1 

Ω  Ω     

pq pq
    
p  1  N x N y N z  mod 3  p  1   p  1  3  E Nx ,Ny ,Nz   E Nx ,Ny ,Nz 
 z 
 x 
q  1  N x N y N z  mod 3  q  1   q  1  3
 E Nx ,Ny ,Nz 
 y

 Ez 
Nx ,Ny ,Nz

We still raster first along x, then y, and then z, but we group 
the x, y, and z components together instead of separate.
Lecture 25 Slide 10

5
 9/15/2017

Visual Interpretation of Reordered Equation

A
The matrix      now has a very important “block tridiagonal” symmetry.  Each slice 
through the grid corresponds to a row in the block matrix equation composed of 
three square matrices a, b, and c and a column vector f that is usually all zeros.


Ω e f

Slice Data  Ai quantifies coupling to the i-1 slice.

Bi quantifies coupling of fields within the ith slice
Ci quantifies coupling to the i+1 slice.
fi is a source condition in the ith slice
Lecture 25 Slide 11

Slice Equations
We can think of the block tridiagonal matrix equation on the previous 
slide as the block matrix form of the following set of matrix equations.  
These “slice equations” relate fields in immediately adjacent slices.

B1e1  C1e2  f1
A 2e1  B 2e 2  C2e3  f 2
A 3e 2  B3e3  C3e4  f3


A N 2e N 3  B N  2e N 2  C N  2e N 1  f N  2
A N 1e N  2  B N 1e N 1  C N 1e N  f N 1
A N e N 1  B N e N  fN

Lecture 25 Slide 12

6
 9/15/2017

Slice Absorption Method

Lecture 25 Slide 13

Steps to Calculate Slice Data for a Single Slice
Step 1: Build a grid containing three slices where the 
center slice is the slice for which to calculate the 
slice data.  Simple Dirichlet boundary conditions can 
be used for the z‐axis boundaries because only 
Slice 2 is of interest here.

Ω123  Ch μ123  Ce  ε123 

1
Step 2: Construct the standard 3D‐FDFD matrix 
for three adjacent slices.  The slice of interest  f123  0
should be the middle slice.

  reorder  Ω 
Ω
Step 3: Reorder the data 123 123

  reordered columns and rows

Ω
f  reorder  f 
123 123 123

f123  reordered rows

 B1 C1 0   e1   f1 
A B2 C2  e 2   f 2 
Step 4: Extract the slice data from the middle   2
 0 B3  e3  f3 
row of the block matrix equation. A3

Lecture 25 Slide 14

7
 9/15/2017

Absorbing a Slice (1 of 5)

Three Slice Equations
We can write the slice equations for three adjacent slices.  The center slice is the ith slice.

A i 1ei  2  Bi 1ei 1  Ci 1ei  fi 1

A i ei 1  Bi ei  Ci ei 1  fi
A i 1ei  Bi 1ei 1  Ci 1ei  2  fi 1

Lecture 25 Slide 15

Absorbing a Slice (2 of 5)

We solve the middle equation for ei.

A i 1ei  2  Bi 1ei 1  Ci 1ei  fi 1

A i ei 1  Bi ei  Ci ei 1  fi ei  Bi1  fi  A i ei 1  Ci ei 1 
A i 1ei  Bi 1ei 1  Ci 1ei  2  fi 1

Lecture 25 Slide 16

8
 9/15/2017

Absorbing a Slice (3 of 5)

Substitute New Expression into First and Third Equation
We eliminate ei from these equations by substituting our new expression into the 
first and third equations.

A i 1ei  2  Bi 1ei 1  Ci 1ei  fi 1

ei  Bi1  fi  A i ei 1  Ci ei 1 
A i 1ei  Bi 1ei 1  Ci 1ei  2  fi 1

Lecture 25 Slide 17

Absorbing a Slice (4 of 5)

Revised Slice Equations for Slice i‐1 and i+1
These are the equations after the substitution.

A i 1ei  2  Bi 1ei 1  Ci 1Bi1  fi  A i ei 1  Ci ei 1   fi 1

A i 1Bi1  fi  A i ei 1  Ci ei 1   Bi 1ei 1  Ci 1ei  2  fi 1

Lecture 25 Slide 18

9
 9/15/2017

Absorbing a Slice (5 of 5)

Revised Slice Equations for Slice i‐1 and i+1
We expand the equations and collect the coefficients on common electric field terms.  This 
puts the remaining two slice equations back into their original form, but with revised slice 
data.

Ai 1ei  2   Bi 1  Ci 1Bi1Ai  ei 1   Ci 1Bi1Ci  ei 1  fi 1  Ci 1Bi1fi

 A Bi1A i  ei 1   Bi 1  A i 1Bi1Ci  ei 1  Ci 1ei  2  fi 1  Ai 1Bi1fi

i 1

Lecture 25 Slide 19

Absorbing a Slice (Summary)

Three slice equations Algebraically eliminate ei

A i 1ei  2  Bi 1ei 1  Ci 1ei  fi 1 Ai 1ei 2  Bi 1ei 1  Ci 1ei 1  fi1
A i ei 1  Bi ei  Ci ei 1  fi Ai 1ei 1  Bi 1ei 1  Ci 1ei  2  fi1
A i 1ei  Bi 1ei 1  Ci 1ei  2  fi 1
Ai 1  A i 1 Ai 1   A i 1Bi1A i
Bi 1  Bi 1  Ci 1Bi1A i Bi 1  Bi 1  A i 1Bi1Ci
Ci 1  Ci 1Bi1Ci Ci 1  Ci 1
fi1  fi 1  Ci 1Bi1fi fi1  fi 1  Ai 1Bi1fi

Lecture 25 Slide 20

10
 9/15/2017

Forward Absorption from Top
Two slice equations Algebraically eliminate E1

A1e0  B1e1  C1e 2  f1 A2e0  B2e 2  C2e3  f 2

A 2e1  B 2e 2  C2e3  f 2
A2   A 2b11A1
B2  B 2  A 2 B11c1
C2  C2
f 2  f 2  A 2 B11f1

Lecture 25 Slide 21

Backward Absorption from Bottom
Two slice equations Algebraically eliminate E1

A1e0  B1e1  C1e 2  f1 A1e0  B1e1  C1e3  f1

A 2e1  B 2e 2  C2e3  f 2
A1  A1
B1  B1  C1B 2 1A 2
C1  C1B 21C2
f1  f1  C1B 21f 2

Lecture 25 Slide 22

11
 9/15/2017

Slice Absorption Procedure
Using the slice absorption procedure described on the previous slide, 
we can methodically progress through a large stack of slices, one slice 
at a time, and reduce the entire stack to just two adjacent slices by 
“absorbing” all interior slices.

Lecture 25 Slide 23

Animation of Slice Absorption Method

Lecture 25 Slide 24

12
 9/15/2017

Cascading and Doubling
Given two outer slices describing the unit cell of a periodic structure, 
we can perform an efficient cascading and doubling procedure to 
quickly describe large stacks.

Note: This can also be used to 
efficiently model very thick 
homogeneous layers in a device.

Lecture 25 Slide 25

Plane Wave Source

Lecture 25 Slide 26

13
 9/15/2017

Total‐Field/Scattered‐Field Framework

Grid Strategy
Spacer Region The grid strategy for 
SAM is just like FDFD.

For doubly‐periodic 
Device Region devices, an absorbing 
boundary is only 
needed at the z‐axis 
boundaries.
Spacer Region

Lecture 25 Slide 27

Slice Equations at TF/SF Interface

A1e0  B1e1  C1e 2  0 scattered‐field

A 2e1  B 2e 2  C2e3  0 total‐field

For simplicity, we’ll call the TF/SF 
interface slices 1 and 2.

Lecture 25 Slide 28

14
 9/15/2017

TF/SF Corrections (1 of 2)

A1e0  B1e1  C1 e 2  0 Eq. (1)

A 2 e1  B 2e 2  C2e3  0 Eq. (2)

Eq. (1) exists in the SF region, but e2 is a TF quantity.  
The source in slice 2 must be subtracted from it to 
make it look like a SF quantity.

A1e0  B1e1  C1  e 2  f 2,src   0

Eq. (2) exists in the TF region, but e1 is a SF quantity.  
The source in slice 1 must be added to it to make it 
look like a TF quantity.

A 2  e1  f1,src   B 2e 2  C2e3  0

Lecture 25 Slide 29

TF/SF Corrections (2 of 2)

A1e0  B1e1  C1e 2  C1f2,src

A 2e1  B 2e 2  C2e3   A 2f1,src

From the above equations, we make the 
following observations:
• The slice data can be calculated without considering 
the source or TF/SF framework.
• We must calculate the source function into two 
adjacent planes.
• The TF/SF source is easily incorporated through the 
right hand side of the above equations.

f1  C1f2,src f 2   A 2f1,src

Lecture 25 Slide 30

15
 9/15/2017

Calculating the Source Terms

A1e0  B1e1  C1e 2  f1 f1  C1f 2,src

A 2e1  B 2e 2  C2e3  f2 f 2   A 2f1,src

   j  k x ,inc x  k y ,inc y   
  px e 
  j  k x ,inc x  k y ,inc y   
f1,src  reorder  p y e
 
   j  kx ,inc x  k y ,inc y   
  pz e  


 jk z ,inc z Unit Amplitude Source

f 2,src  e f1,src 
p 1

Lecture 25 Slide 31

Transparent Boundary 
Condition

Lecture 25 Slide 32

16
 9/15/2017

Notes on the TBC
• Requires homogeneous materials where TBC is 
implemented (can be generalized)
• Energy can only be propagating in a single 
direction (ensured by TF/SF)
• TBC handles evanescent fields naturally so no 
spacer layer is needed.
– Smaller matrices
– More efficient simulations
• FFT operators are slow to construct, but there 
may be a better way
Lecture 25 Slide 33

Matrix Tilt Operator
Given the field in a slice ei, we need a matrix operator T that will 
remove the phase tilt across the grid giving just the periodic 
envelope term from Bloch’s theorem.

ai  Tei

This is calculated as

 T 0 0  
   jk xk y  
T  reorder   0 T 0   T  diag e x ,inc y ,inc 
  0 0 T   
 

Lecture 25 Slide 34

17
 9/15/2017

Matrix 2D‐FFT Operator
Given the amplitude component ai of the field in a slice, we need 
another matrix operator F that will calculate a 2D FFT in order to 
calculate the amplitudes of the spatial harmonics in that slice.
si  Fai
The 2D‐FFT is defined as
 mp nq 
 j 2   
H  m, n    h  p, q  e M N From this, we can construct F’.

p q
h  Fh
m, p  0,1, , N x n, p  0,1, , N y

The full‐vector 2D‐FFT matrix operator is then
  F 0 0  
 
F  reorder   0 F 0  
  0 0 F  
 
Lecture 25 Slide 35

Matrix Phase Operator
Given the spatial harmonics, we need an operator that will add the 
correct phase to each spatial harmonic to propagate them across one 
slice.

si 1  Zi si
This is calculated as
  Z 0 0   e  jkz 1,1z 0 
   
Z  reorder   0 Z 0   Z    
  0 0 Z     jk z  M , N  z 
   0 e 

k z  m, n   k02 r  r  k x2  m   k y2  n 

Lecture 25 Slide 36

18
 9/15/2017

Overall Matrix Propagators
We need to calculate a single matrix operator that will calculate the 
field in an adjacent slice.

ei 1  Pi ei
1. Remove phase tilt. T  ei
2. FFT the field to transform to Fourier‐space. F  T  ei
3. Add phase to the spatial harmonics. Z i  F  T  ei
1
4. Inverse‐FFT the field to transform to real‐space. F  Z i  F  T  ei
5. Reincorporate the phase tilt. T  F 1  Z i  F  T  ei
1

The overall propagator is therefore

Pi  T1F 1Zi FT   FT  Zi  FT 
1

Lecture 25 Slide 37

TBC at Top of Grid
The slice equation for the top slice (slice #1) can be written as

A1 e0  B1e1  C1e 2  f1
The term e0 does not exist because it resides outside of the grid.  
Assuming the field at the top of the grid is only moving outward 
(bottom to top), we can calculate e0 from e1 using the matrix 
propagator calculated in the reflection region.

e0  Pref e1
Substituting this into the original slice equation yields

B1e1  C1e2  f1 B1  B1  A1Pref

After this calculation, we no longer need A1.
Lecture 25 Slide 38

19
 9/15/2017

TBC at Bottom of Grid
The slice equation for the bottom slice (slice N) can be written as

A N e N 1  B N e N  C N e N 1  f N
The term eN+1 does not exist because it resides outside of the grid.  
Assuming the field at the bottom of the grid is only moving outward 
(top to bottom), we can calculate eN+1 from eN using the matrix 
propagator calculated in the transmission region.

e N 1  Ptrn e N
Substituting this into the original slice equation yields

A N e N 1  BN e N  f N BN  B N  C N Ptrn

After this calculation, we no longer need CN.
Lecture 25 Slide 39

Field Solution

Lecture 25 Slide 40

20
 9/15/2017

Final Matrix Problem
The slice absorption method algorithm is implemented 
until only two slices remain.  These are usually the 
reflection and transmission record planes.  A final 
matrix equation is constructed from the remaining two  Recall that A1
and CN are no 
slice equations. longer needed 
because these 
described 
coupling to 
A1e0  B1e1  C1e2  f1 slices from 
outside of the 
grid.

 B1 C1   e1   f1 

 A 
 N BN  e N  f N 

AN e1  BN e N  CN e N 1  f N

Lecture 25 Slide 41

Field Solution
The fields in the record planes are calculated as
1
e ref   e1   B1 C1   f1 
 e   e    A B N  f N 
 trn   N   N

We can recover the vector components of the field in each slice as 
follows.

e x ,ref  e x ,trn 
   
e y ,ref   reorder  eref  e y ,trn   reorder  e trn 
1 1

 e z ,ref   e z ,trn 

Lecture 25 Slide 42

21
 9/15/2017

Calculating Diffraction Efficiencies
The amplitudes of the spatial harmonics are calculated as
s ref   FT  e ref s trn   FT  e trn

Assuming the incident wave is given unit amplitude, the diffraction 
efficiencies are calculate as usual.
 2 Re   k z ,ref  m, n   r,inc 
RDE  m, n   Sref  m, n    These equations 
Re  k z ,inc r,inc  assume the source was 
given unit amplitude.
 2 Re  k z ,trn  m, n   r,trn  
TDE  m, n   S trn  m, n   
Sinc  1
Re  k z ,inc r,inc 

Lecture 25 Slide 43

Fourier‐Space SAM

Lecture 25 Slide 44

22
 9/15/2017

Comparison to Real‐Space SAM


Ω e f

Lecture 25 Slide 45

Formulation of Fourier‐Space SAM

Deye z  Deze y  μ xx h x K eys z  Dezs y    xx  u x

Deze x  Dexe z  μ yy h y Dezs x  K exs z    yy  u y
Dexe y  Deye x  μ zz h z K exs y  K eys x    zz  u z

Dhyh z  Dhzh y  ε xx e x K hyu z  Dhzu y   xx  s x

Dhzh x  Dhxh z  ε yy e y Dhzu x  K hxu z   yy  s y
Dhxh y  Dhyh x  ε zz e z K hxu y  K hyu x   zz  s z

Lecture 25 Slide 46

23
 9/15/2017

Example Simulations

Lecture 25 Slide 47

Photonic Crystals Fabricated by Multi‐Photon 
Direct Laser Writing

This is a scanning electron microscope image of a photonic 
crystal designed to operate in the infrared.

R. C. Rumpf, A. Tal, S. M. Kuebler, “Rigorous electromagnetic analysis of volumetrically complex media using the slice absorption 
method,” J. Opt. Soc. Am. A 24(10), 3123‐3134, 2007.

Lecture 25 Slide 48

24
 9/15/2017

Fourier Transform Infrared Spectrometer

Samples are illuminated by a hollow 
Gaussian beam produced by a 
Cassegrain optic.

Reflected infrared energy at near 
normal reflection angle is collected and 
measured.

R. C. Rumpf, A. Tal, S. M. Kuebler, “Rigorous electromagnetic analysis of volumetrically complex media using the slice absorption 
method,” J. Opt. Soc. Am. A 24(10), 3123‐3134, 2007.

Lecture 25 Slide 49

Predicting Accurate Geometry
To predict the geometry of the photonic crystal more accurately, the 
DLW process was simulated in MATLAB.

Idealized Geometry Realistic Geometry
Lecture 25 Slide 50

25
 9/15/2017

Numerical Representation of Device

R. C. Rumpf, A. Tal, S. M. Kuebler, “Rigorous electromagnetic analysis of volumetrically complex media using the slice absorption 
method,” J. Opt. Soc. Am. A 24(10), 3123‐3134, 2007.

Lecture 25 Slide 51

Results from SAM

There is am important lesson here in terms of the importance of incorporating realistic 
geometry into your models.

R. C. Rumpf, A. Tal, S. M. Kuebler, “Rigorous electromagnetic analysis of volumetrically complex media using the slice absorption 
method,” J. Opt. Soc. Am. A 24(10), 3123‐3134, 2007.

Lecture 25 Slide 52

26
 9/15/2017

Metallo‐Dielectric Photonic Crystals
Before copper plating After copper plating

A. Tal, Y.‐S. Chen, H. E. Williams, R. C. Rumpf, S. M. Kuebler, “Fabrication and characterization of three‐dimensional copper 
metallodielectric photonic crystals,” Optics Express 15(26), 18283‐18293, 2007.

Lecture 25 Slide 53

“State‐of‐the‐Art” Simulation of Reflectance

Results obtained by Lumerical and Misawa’s research group.

V. Mizeikis, S. Juodkazis, R. Tarozaite, J. Juodkazyte, K. Juodkazis, H. Misawa, “Fabrication and properties of metalo-dielectric photonic
crystal structures for infrared spectral region,” Opt. Express 15, 8454-8464 (2007)

Lecture 25 Slide 54

27
 9/15/2017

A Better Simulation of Reflectance

Results obtained by UCF/Rumpf team…

A. Tal, Y. -S. Chen, H. E. Williams, R. C. Rumpf, and S. M. Kuebler, "Fabrication and characterization of three-dimensional copper
metallodielectric photonic crystals," Opt. Express 15, 18283-18293 (2007)

Lecture 25 Slide 55

Side‐by‐Side Comparison

Results obtained Results obtained

with Lumerical’s by UCF/Rumpf
FDTD software
reflectance

V. Mizeikis, S. Juodkazis, R. Tarozaite, J. Juodkazyte, K. Juodkazis, H. A. Tal, Y. -S. Chen, H. E. Williams, R. C. Rumpf, and S. M. Kuebler,
Misawa, “Fabrication and properties of metalo-dielectric photonic crystal "Fabrication and characterization of three-dimensional copper metallodielectric
structures for infrared spectral region,” Opt. Express 15, 8454-8464 (2007) photonic crystals," Opt. Express 15, 18283-18293 (2007)

Lecture 25 Slide 56

28
 9/15/2017

What Was Their Big Mistake?

Below 10 m (or so), this photonic crystal 
is a diffracting structure. 

The optical configuration inside the FTIR cuts 
off the higher order modes.  Essentially, it is 
only the zero‐order diffracted mode that gets 
detected.

Lecture 25 Slide 57

Dispersion Analysis
Using the SAM

Lecture 25 Slide 58

29
 9/15/2017

Starting Point
Using the standard SAM algorithm, it is possible to reduce a unit cell 
to two slice equations, one at each boundary of the unit cell.

A1e0  B1e1  C1e N  0

A N e1  B N e N  C N e N 1  0

Lecture 25 Slide 59

Derivation of the Eigen‐Value Problem (1 of 3)
Assuming the unit cell is infinitely periodic in the z direction, 
boundary conditions allow e0 and eN+1 to be written in terms of slices 
contained in the unit cell.

e0  e j  z  z e N

e N 1  e  j  z  z e1

Lecture 25 Slide 60

30
 9/15/2017

Derivation of the Eigen‐Value Problem (2 of 3)
Substituting the new expressions into the slice equations gives
A1e0  B1e1  C1e N  0 A N e1  B N e N  C N e N 1  0
jz  z
e0  e eN e N 1  e  j  z  z e1

A1e j z  z e N  B1e1  C1e N  0 A N e1  B N e N  C N e  j  z  z e1  0

After some algebraic manipulation to get ejzz on the right‐hand side 
of the equations, we get

B1e1  C1e N  e j z  z A1e N C N e1  e j  z  z A N e1  e j  z  z B N e N

Lecture 25 Slide 61

Derivation of the Eigen‐Value Problem (3 of 3)
Our last two equations can be written in block matrix form as
B1e1  C1e N  e j z  z A1e N  B1 C1   e1   0  A1   e1 
  C  e j z  z
C N e1  e jz  z
A N e1  e jz  z
BN eN  N 0  e N  A
 N B N  e N 

This has the form of a generalized eigen‐value problem
Ax  vBx

 B C1   0  A1  e 
A 1 B x 1 v  e jz  z
 C N 0  AN B N  e N 

Lecture 25 Slide 62

31
 9/15/2017

Parameter Retrieval
The effective parameters of the unit cell can be determined one of 
two ways:

1. Field Averaging – The eigen‐vectors give the field values at the 
boundary slices.  From these, the fields in all interior slices can 
be calculated.  After all the fields are known, the field averaging 
technique can be implemented.

2. T‐Matrix Parameter Retrieval – The effective properties of the 
unit cell can be retrieved from the eigen‐value following the 
T‐matrix parameter retrieval method.
ln v  2 m
e j  z  z  neff  m  branch # no  Re  neff 
k0  z
  Im  neff 

Lecture 25 Slide 63

32