線性調光技術的案例
應用在全局調光背光技術(FALD)中的MiniLED背光
顯示器FALD技術是一種在液晶顯示器中應用的背光技術，它是“全局調光背光”(Full Array Local Dimming backlight)的縮寫。與傳統的LED背光技術相比，FALD技術更加便于控制明暗之間的過渡，并提供更加清晰的圖像。本文將詳細介紹FALD技術的原理、優勢、應用等相關內容。
FALD技術是通過在液晶面板后面安裝大量LED組成的矩陣，實現像素級別的背光調節。這些LED燈可以獨立控制，并在需要時可以同時調整多個背光區域。這種精細的控制方式可以大大改善黑色細節和對比度表現，并減少了光暈和亮度分布不均等問題。
FALD技術優勢:
1、展現黑色細節：在傳統的LED背光技術中，由于只有幾個較大的背光區域可以控制，容易在顯示暗部時出現灰暗或過亮現象。而在FALD技術中，每個像素都可以精確地調節亮度，使整個圖像的明暗層次更加清晰。
2、提升色彩還原度：FALD技術的應用可以消除背光漏光，因此可以更好地呈現色彩，提升色彩還原度。同時，這種技術還可以控制紅色、綠色和藍色三種基本顏色的亮度，使色彩更加豐富、真實。
3、降低畫面閃爍：FALD技術可以隨時調節背光亮度，這意味著盡管在電影或視頻游戲場景中，畫面上的圖像快速變化，但背光的變化是細微的，因此可以顯著降低畫面的屏閃情況。
4、提供更好的亮度和對比度：FALD技術可選擇性地控制不同區域的背光亮度，這可以幫助系統在保證高亮度和高對比度的同時，增加系統的功率效率，降低能源消耗。
FALD技術使用更高端的MiniLED背光技術，精細地控制每個背光區域的亮度，使黑色細節表現和對比度更優，同時消除背光漏光，提高色彩還原度。該技術的顯著優勢是展現更準確的畫面，更好的色彩還原度和更少的屏幕閃爍現象。這種技術目前主要用于高端電視和顯示器，成為廣大家庭娛樂和游戲用戶的首選。
展開 無網格劃分新技術midas MeshFree - 非線性靜力（材料非線性）案例
④網格劃分
⑤設置邊界條件和載荷
⑥分析控制
⑦求解后查看結果
ANSYS結果分析—變形
ANSYS結果分析—Von-Mises應力
<北京邁達斯技術有限公司>
邁達斯(MIDAS IT)自1989年開始研發，2000年正式面世成立以來，一直專注于CAE、CFD工程軟件自主研發和普及，總部設在韓國，全球已有11家法人700多名專業技術人員，是工程軟件領域中亞洲最大的企業。2002年成立中國法人（北京邁達斯），全國已有3,000多家用戶。用技術創造幸福是邁達斯公司的信念，我們一直盡最大努力為行業和社會做貢獻！
光刻技術第20期 | 非線性壓縮感知光源-掩模優化技術及對比分析
點擊藍字 關注我們
01/簡介
隨著集成電路制程向3nm及以下先進節點演進，光刻成像系統中的光學衍射、掩模三維效應與光致抗蝕劑非線性響應相互疊加，使光源-掩模協同優化（SMO）成為保障圖形保真度與芯片良率的核心技術。傳統線性壓縮感知（CS）驅動的SMO技術，因難以精準刻畫掩模與成像之間的強非線性映射關系，在復雜圖形優化中常面臨精度不足、工藝窗口收縮等問題，已無法滿足極端制程對優化性能的嚴苛要求。
非線性壓縮感知（NCS）理論的興起為突破這一瓶頸提供了關鍵路徑，其通過構建非線性重構模型，可更貼合光刻系統的物理本質。然而，不同非線性CS-SMO技術的適配場景與性能表現尚未形成系統對比，仿真條件的差異也導致技術優劣難以客觀評判。
基于此，本文以非線性壓縮感知光源-掩模優化的數學模型為核心，搭建標準化仿真環境，選取水平條塊圖形、豎直線條圖形及復雜電路圖形作為典型測試對象，從成像精度、計算效率、工藝窗口兼容性等維度，系統開展不同SMO技術的性能對比研究。通過量化分析各類技術的適配特性與核心優勢，為先進計算光刻中SMO技術的選型與工程化應用提供科學依據與理論支撐。
展開 技術分享︱大型稀疏線性方程組求解技術——工業仿真的底層核心
然而，超大規模計算也給高實用性與高性能的大型稀疏線性方程組求解的算法設計與優化帶來了巨大挑戰。
以SiP封裝芯片的電磁-熱-力耦合數值模擬為例，其稀疏矩陣具有明顯的病態特征（來自文獻7）
2.高性能
隨著計算機硬件性能的提升，超級計算機呈現 “多級嵌套并行、異構眾核加速” 的復雜體系結構特征，會導致大型稀疏線性方程組求解器的實現效率急劇下降。從下圖也可以發現，隨著高性能計算機系統變得更加復雜，特別是眾核架構采用后，在每一代世界性能最為強大的超級計算機上，應用的實際求解能力變得更加低效，即解決問題時間（time-to-solution）變得越來越長。如何設計能 匹配機器體系結構特征 的算法與性能優化技術，是大型稀疏線性方程組求解技術以及其他科學計算核心算法中當前亟待解決的關鍵問題。
解決問題時間與超級計算機性能趨勢對比
對于大規模稀疏線性方程組，原有串行和小規模并行模式下的數據結構和算法容易導致并行求解性能低下或失敗。在分布式并行層面，需要解決以下幾個問題：一是在數據和任務分解方面，如何設計良好的負載均衡策略、稀疏矩陣的高效存儲格式以及計算通信重疊等優化策略；二是在負載均衡的前提下，如何設計以盡力避免節點間的通信；三是在內在串行特性導致并行化困難的算法方面，如何改進數據的分布方式以增加并行性。
在共享內存環境中，稀疏線性方程組求解算法的可擴展性問題也需要特別關注。因為現代多核/眾核處理器上的核數在可預見的未來也將越多，在單個CPU上封裝數十甚至上百個有較強處理能力的核心，或是在GPU上封裝成千上萬個輕量級處理單元將變得非常普遍。如何在這種共享內存節點上實現細粒度的并行仍然是很有挑戰的研究內容。
展開 
大型稀疏線性方程組求解技術——工業仿真的底層核心
然而，超大規模計算也給高實用性與高性能的大型稀疏線性方程組求解的算法設計與優化帶來了巨大挑戰。
以SiP封裝芯片的電磁-熱-力耦合數值模擬為例，其稀疏矩陣具有明顯的病態特征（來自文獻7）
2 高 性 能
隨著計算機硬件性能的提升，超級計算機呈現“多級嵌套并行、異構眾核加速”的復雜體系結構特征，會導致大型稀疏線性方程組求解器的實現效率急劇下降。從下圖也可以發現，隨著高性能計算機系統變得更加復雜，特別是眾核架構采用后，在每一代世界性能最為強大的超級計算機上，應用的實際求解能力變得更加低效，即解決問題時間（time-to-solution）變得越來越長。如何設計能匹配機器體系結構特征的算法與性能優化技術，是大型稀疏線性方程組求解技術以及其他科學計算核心算法中當前亟待解決的關鍵問題。
解決問題時間與超級計算機性能趨勢對比
對于大規模稀疏線性方程組，原有串行和小規模并行模式下的數據結構和算法容易導致并行求解性能低下或失敗。在分布式并行層面，需要解決以下幾個問題：一是在數據和任務分解方面，如何設計良好的負載均衡策略、稀疏矩陣的高效存儲格式以及計算通信重疊等優化策略；二是在負載均衡的前提下，如何設計以盡力避免節點間的通信；三是在內在串行特性導致并行化困難的算法方面，如何改進數據的分布方式以增加并行性。
在共享內存環境中，稀疏線性方程組求解算法的可擴展性問題也需要特別關注。因為現代多核/眾核處理器上的核數在可預見的未來也將越多，在單個CPU上封裝數十甚至上百個有較強處理能力的核心，或是在GPU上封裝成千上萬個輕量級處理單元將變得非常普遍。
展開 極地船舶冰區結構非線性仿真分析關鍵技術
貨船所船體室通過對ARC7破冰凝析油船船體結構的完全自主研發設計，掌握了極地船舶冰區結構塑性極限承載力和船與冰山撞擊兩大非線性仿真分析關鍵技術，并首次進行了實船應用，展示了貨船所船體室強大的研發設計及計算實力，為公司高質量發展做出了突出貢獻。
文章來源：技術 同舟
光刻技術第18期 | 非線性壓縮感知理論
01/簡介
隨著集成電路制程推進至90nm及以下節點，光學鄰近效應校正（OPC）、光源掩模聯合優化（SMO）等計算光刻技術已成為保障光刻成像精度的核心支撐。其中，壓縮感知（CS）技術憑借稀疏性約束降維的核心優勢，在光源優化（SO）中實現了高效的參數尋優，大幅降低了計算復雜度。
然而，當優化對象轉向掩模時，線性CS理論的局限性愈發凸顯——掩模圖形的像素級調控與光刻成像之間存在顯著的非線性映射關系，這種非線性源于掩模三維衍射、光致抗蝕劑化學反應等多物理效應疊加，導致線性模型難以精準刻畫優化目標與掩模參數的關聯，直接影響OPC的校正精度與SMO的協同優化效能。
為破解這一瓶頸，非線性壓縮感知（NCS）理論應運而生，其通過非線性映射構建信號與觀測的關聯，能夠適配掩模優化場景中的復雜非線性特性。與線性CS相比，非線性CS理論的核心突破在于重構模型對非線性關系的精準表征，而迭代公式則為非凸優化問題提供了高效的求解路徑，二者共同構成了掩模優化場景下計算光刻技術的理論核心。
本文聚焦非線性壓縮感知理論的工程化應用需求，從掩模-成像的非線性機理出發，系統解析非線性CS重構模型的構建邏輯，深入推導關鍵迭代公式的演化過程，為OPC、SMO等技術的精度提升提供理論支撐。
02/仿真非線性CS重構模型
在先進光刻的非線性優化場景中，非線性CS重構算法（IHTs、Newton-IHTs、L-BFGS）是破解復雜運算難題的核心工具——它們既能精準適配非線性光刻的優化需求，更能通過梯度、Hessian矩陣的協同作用加速收斂，在保障優化精度的同時，大幅提升計算效率。
展開 基于非線性時間序列的故障診斷技術
請問這個技術目前的現狀如何?
光刻技術第19期 | 非線性壓縮感知光源-掩模優化的數學模型
01/簡介
隨著集成電路制程向3nm及以下節點突破，光刻系統的光學畸變、掩模三維衍射及光致抗蝕劑非線性響應等效應疊加，使光源-掩模協同優化（SMO）成為保障成像精度的核心技術。
傳統線性壓縮感知技術雖在光源單變量優化中實現了降維高效求解，但面對SMO場景中掩模-成像的強非線性映射關系，其線性假設難以精準刻畫優化變量與成像質量的關聯，導致優化精度與可制造性失衡。在此背景下，非線性壓縮感知（NCS）理論與SMO技術的融合成為突破瓶頸的關鍵，而數學模型的構建則是該融合技術落地的核心前提。
非線性壓縮感知光源-掩模優化的數學模型，通過多模塊協同實現非線性場景的精準優化：目標函數定義為成像質量的量化基準，為優化提供明確方向；含罰函數的總目標函數則通過約束項控制光源與掩模的復雜度，解決優化結果可制造性不足的問題；稀疏表示與參數變換借助小波、DCT等基函數實現變量降維，延續壓縮感知的高效優勢；
最終通過非線性CS-SMO模型整合上述模塊，構建非線性映射下的優化框架。本文聚焦該數學模型體系，系統解析各核心模塊的構建邏輯，闡明非線性場景下SMO的優化機理，為先進計算光刻的高精度優化提供理論支撐。
在先進光刻的圖形復刻流程中，“目標圖形與實際曝光圖形的精準匹配”是核心訴求。而目標函數與非線性CS-SMO模型，正是實現這一訴求的數學基石，既保障匹配精度，又兼顧運算效率與工藝可行性。
02/目標函數
目標函數的核心作用，是精準衡量“預設目標圖形”與“實際曝光圖形”的差異：
我們為不同電路布局區域設置專屬權重矩陣，以此區分各區域的重要性；目標函數通過“計算兩類圖形對應位置元素的差異平方，再結合對應區域權重求和”，得到兩者的匹配度量化值。
展開 ANSYS屈曲分析和非線性屈曲分析（技術貼）
特征值屈曲分析：
特征值屈曲分析（線性屈曲分析）預測了理想彈性結構的理論屈曲強度。對于基本結構配置，結構特征值是根據約束條件和荷載條件計算出來的。然后推導出屈曲荷載，每一荷載都與一個屈曲模態形狀相關，該屈曲模態形狀表示結構在屈曲下所假定的形狀。在實際結構中，缺陷和非線性行為使系統無法達到這種理論屈曲強度，導致特征值分析過度預測屈曲載荷。對于工程問題，通常看第一階屈曲失穩模態所對應的極限載荷（理論值）。ANSYS會為每種模態計算載荷系數（FL）。如果在靜態結構系統中應用實際載荷，則載荷系數是該載荷的安全系數。如果你輸入一個F=10N，那么導致失穩的理論極限載荷就是F *載荷系數（FL）
通常這個極限載荷是偏危險的，建議特別小心使用。因此，我們建議進行非線性屈曲分析。
線性特征值屈曲分析流程：
圖2：線性特征值屈曲分析流程
非線性屈曲分析
非線性屈曲分析比彈性公式提供更高的精度。施加的荷載逐漸增加，直到荷載水平的微小變化引起位移的大變化。這種情況表明結構已變得不穩定。非線性屈曲分析是一種考慮材料和幾何非線性（p-Δ和p-δ）、荷載擾動、幾何缺陷和間隙的靜力學方法。無論是小的失穩載荷還是初始缺陷，都必須開始求解所需的屈曲模態。
非線性屈曲分析的目的是得到第一個極限點(解開始變得不穩定前載荷的最大值)，獲得真實的結構極限載荷，而不是理論解（線性屈曲分析的第一階屈曲模態對應的載荷）。
圖3：非線性屈曲
非線性屈曲比特征值屈曲更精確, 因此推薦用于設計或結構的評價。
展開 無網格劃分新技術midas MeshFree - 線性靜力學案例
⑤設置邊界條件和載荷
⑥求解后查看結果
ANSYS結果分析
<北京邁達斯技術有限公司>
邁達斯(MIDAS IT)自1989年開始研發，2000年正式面世成立以來，一直專注于CAE、CFD工程軟件自主研發和普及，總部設在韓國，全球已有11家法人700多名專業技術人員，是工程軟件領域中亞洲最大的企業。2002年成立中國法人（北京邁達斯），全國已有3,000多家用戶。用技術創造幸福是邁達斯公司的信念，我們一直盡最大努力為行業和社會做貢獻！
<咨詢聯系人>
崔星輝 185-1612-8671
tony.cui@midasit.com
程春華 187-8290-1965
chengch@midasit.com
·END·
MIDASIT
簡單·高效
② 產品官網
微信號：midasit
展開 
技術干貨丨OptiStruct 非線性之前車門過開分析（內附模型下載）
</p><p><br></p><p><strong>NLCTRL非線性控制卡片</strong></p><p>在設置非線性控制卡片時，推薦采用NLCTRL以取代NLPARM+NLADAPT組合，NLCTRL包含了NLPARM卡片中的初始載荷增量、收斂準則、最大迭代步等信息，同時也包含了NLADAPT卡片中的時間步長控制、接觸收斂控制和CUTBACK次數；NLCTRL采用了力收斂準則，位移收斂準則，力矩收斂準則和旋轉位移收斂準則，因此相較于NLAPRM的位移載荷及能量收斂準則，NLCTRL能夠提升收斂的精度和穩健性。</p><p><img src="https://mmbiz.qpic.cn/mmbiz_png/x0yLiaf5fF6zEyGqke58FT7FjslialphmcsoKGAGuU9QMmPluA50LPHcDaicpODlTkOUxVQRsiaoU4PZzoU1mTeDCw/640?wx_fmt=png&from=appmsg"></p><p><strong>圖5 NLCTRL非線性卡片</strong></p><p><br></p><p>在NLCTRL卡片的收斂準則中，TOLF表示力收斂準則，默認的收斂容差為0.005，TOLU表示位移收斂準則，默認的收斂容差為0.01，TOLM表示力矩收斂準則，默認的收斂容差為0.005，TOLR表示旋轉位置收斂準則，默認的收斂容差為0.01，在每個迭代步中，以上四個收斂準則必須全部滿足，該載荷增量才能完全收斂。
展開 