Marina Andretta. 29 de setembro de 2014

Documentos relacionados
Métodos para resolver problemas de otimização restrita

Resolução de sistemas de equações lineares: Método do Gradiente

Interpolação polinomial: Polinômio de Lagrange

Método de Quadrados Mínimos: Caso discreto

Método de restrições ativas para minimização com restrições lineares

Como modelar um problema de nesting com rotações livres

Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados

Representação de poliedros

Método dos gradientes (ou método de máxima descida)

Marina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis.

Pontos extremos, vértices e soluções básicas viáveis

Algoritmos para resolução de problemas de minimização irrestrita

Método do Lagrangiano aumentado

Método de restrições ativas para minimização em caixas

Método Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016

Marina Andretta. 17 de setembro de Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright.

Marina Andretta. 02 de agosto de 2010

Métodos de Runge-Kutta

Método de Euler. Marina Andretta/Franklina Toledo ICMC-USP. 29 de outubro de 2013

Resolução de problemas com apenas restrições lineares de igualdade

Degenerescência. Marina Andretta ICMC-USP. 19 de outubro de 2016

Sistemas Lineares. Marina Andretta/Franklina Toledo ICMC-USP. 4 de março de 2015

Estrutura física da matéria Difração de elétrons

Marina Andretta/Franklina Toledo. 25 de outubro de 2013

Resolução de sistemas de equações não-lineares: Método de Newton

Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner

Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner

Cones e raios extremos

Teoremas de dualidade

Interpolação polinomial: Diferenças divididas de Newton

Marina Andretta. 9 de agosto de Baseado em problemas presentes em

Física IV Escola Politécnica GABARITO DA P2 14 de outubro de 2014

Métodos Previsor-Corretor

Existência e otimalidade de pontos extremos

Método de Newton truncado

Teoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016

Como resolver o QFEMUP usando otimização

Interpolação polinomial: Diferenças divididas de Newton

1304 Difração de elétrons

Física IV para Química

MÉTODOS COMPUTACIONAIS

Marina Andretta. 18 de outubro de 2010

Resolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento

Determinação numérica de autovalores e autovetores: Método das Potências Inversas

Método de Newton modificado

Determinação numérica de autovalores e autovetores: Método das Potências Inversas

x exp( t 2 )dt f(x) =

Marina Andretta. 2 de março de 2016

Física IV Escola Politécnica GABARITO DA SUB 06 de dezembro de 2018

Resolução de sistemas de equações lineares: Fatorações de matrizes

SME0300 Cálculo Numérico Aula 4

Determinação numérica de autovalores e autovetores: Método de Jacobi

Algoritmo. Exemplo. Definição. Programação de Computadores Comparando Algoritmos. Alan de Freitas

Representação e erros numéricos

Representação e erros numéricos

Física IV P1-1 de setembro de 2016

SME306 - Métodos Numéricos e Computacionais II Prof. Murilo F. Tomé. (α 1)z + 88 ]

Aula 19 06/2014. Integração Numérica

Resolução de sistemas de equações não-lineares: Método Iterativo Linear

Representação e erros numéricos

Poliedros na forma padrão

Resolução de sistemas de equações não-lineares: Método Iterativo Linear

Método do Ponto Fixo

TRABALHO Nº 1 DETERMINAÇÃO DO COMPRIMENTO DE ONDA DE UMA RADIAÇÃO DUPLA FENDA DE YOUNG

Solução aproximada de equações de uma variável

Autovalores e Autovetores

Universidade Federal do Rio de Janeiro Instituto de Física Disciplina: Física IV-A Data: 03/07/2019. (c) I 1 = I 2.

Método das Secantes. Marina Andretta/Franklina Toledo ICMC-USP. 4 de setembro de 2012

Inferência Estatistica

Cálculo Numérico BCC760

Método Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016

4 e 6/Maio/2016 Aulas 17 e 18

MAP Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017

Exp. 3 - Espectroscopia por refração - O Prisma

DCC008 - Cálculo Numérico

Algoritmos de aproximação - Problema da Mochila

Algoritmos de aproximação - Método primal-dual

Aula 22: Formulações com número exponencial de variáveis

12. Diferenciação Logarítmica

Introdução 1.1. Motivação

UNIVERSIDADE BRAZ CUBAS Tecnologia em Óptica e Optometria. MAIS UM POUCO SOBRE A NATUREZA ONDULATÓRIA DA LUZ (Interferência)

Programação Matemática

Marina Andretta/Franklina Toledo. 18 de outubro de Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires.

Problemas NP-completos

Resolução de sistemas de equações lineares: Fatorações de matrizes

Resolução de sistemas de equações lineares: Fatorações de matrizes

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

Teoria do Controle: fundamentos teóricos e técnicas numéricas

Difração de Elétrons. Relatório, 09 de maio de 2008 Brenno Gustavo Barbosa e Thiago Schiavo Mosqueiro

Optimização. Carlos Balsa. Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança

de Interpolação Polinomial

ESTATÍSTICA COMPUTACIONAL

Introdução aos Métodos Numéricos

Energia cinética de rotação:

MODELAGEM DA IONOSFERA COM INJUNÇÃO DE DESIGUALDADE

Representação e erros numéricos

Exercícios de Matemática Computacional -Cap. 6 Interpolação e aproximação polinomial

Transcrição:

Aplicações Marina Andretta ICMC-USP 29 de setembro de 2014 Baseado nos trabalhos presentes em http://www.ime.usp.br/~egbirgin/puma/ e na tese de doutorado de Marina Andretta Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 1 / 50

Problema de estimativa de parâmetros em um problema de óptica Um filme fino é uma fina camada de material de espessura normalmente inferior a um mícron. Este é depositado sobre um substrato transparente, de espessura muito maior. Como medir a espessura de filmes finos é um processo caro, estamos interessados em estimar a espessura e algumas constantes ópticas (índice de refração e coeficiente de absorção) de um filme. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 2 / 50

Estimativa de espessura e constantes ópticas de filmes finos Já que filmes finos são utilizados na produção de semicondutores, revestimentos de diversos materiais, biotecnologia e na geração e conservação de energia (painéis solares), é grande a importância da resolução deste problema. A idéia é utilizar alguns dados facilmente medidos e o comportamento físico teórico conhecido do sistema e modelar o problema de estimar a espessura e as constantes ópticas como um problema de programação não-linear. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 3 / 50

Comportamento físico teórico A transmitância T de um filme fino absorvente depositado sobre um substrato grosso transparente é dada por T = Ax B Cx+Dx 2, onde A = 16s(n 2 + κ 2 ), B = [(n + 1) 2 + κ 2 ][(n + 1)(n + s 2 ) + κ 2 ], Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 4 / 50

Comportamento físico teórico C = [(n 2 1 + κ 2 )(n 2 s 2 + κ 2 ) 2κ 2 (s 2 + 1)]2 cos ϕ κ[2(n 2 s 2 + κ 2 ) + (s 2 + 1)(n 2 1 + κ 2 )]2senϕ, D = [(n 1) 2 + κ 2 ][(n 1)(n s 2 ) + κ 2 ], ϕ = 4πnd/λ, x = exp( αd), α = 4πκ/λ. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 5 / 50

Comportamento físico teórico Nestas expressões: λ é o comprimento de onda, s = s(λ) é o índice de refração do substrato transparente (considerado conhecido), n = n(λ) é o índice de refração do filme, κ = κ(λ) é o coeficiente de atenuação do filme, α = α(λ) é o coeficiente de absorção do filme e d é a espessura do filme. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 6 / 50

Modelo matemático Um conjunto de dados experimentais (λ i, T obs (λ i )), λ min λ i < λ i+1 λ max, i = 1,..., N, é dado e queremos estimar d, n(λ) e κ(λ). Este problema é altamente indeterminado. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 7 / 50

Modelo matemático Mesmo com d conhecido, queremos que valha T [λ i, s(λ i ), d, n(λ i ), κ(λ i )] = T obs (λ i ), i = 1,..., N. Ou seja, temos uma única equação para cada duas incógnitas (n(λ i ) e κ(λ i )). O conjunto de pontos que satisfazem esta equação, para um dado d, é infinito. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 8 / 50

Modelo matemático No entanto, algumas restrições físicas conhecidas reduzem o espaço de possíveis soluções. Na vizinhança do pico de absorção fundamental, essas restrições são: R1. n(λ) 1 e κ(λ) 0 para todo λ [λ min, λ max ]; R2. n(λ) e κ(λ) são funções decrescentes em λ; R3. n(λ) é convexa; R4. existe λ infl [λ min, λ max ] tal que κ(λ) é convexa se λ λ infl e côncava se λ λ infl. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 9 / 50

Modelo matemático Utilizando os comprimentos de onda λ i, i = 1,..., N, equidistantes no intervalo [λ min, λ max ], obtemos uma discretização das funções acima. Note que λ i = λ min + (i 1) λmax λ min N 1. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 10 / 50

Modelo matemático Denotaremos por n i = n(λ i ), κ i = κ(λ i ), s i = s(λ i ) e T obs i = T obs (λ i ). A restrição R2 pode ser escrita como n i+1 n i, i = 1,..., N 1, κ i+1 κ i, i = 1,..., N 1. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 11 / 50

Modelo matemático A restrição R3 pode ser escrita como n (λ) 0, ou n i n i 1 + n i+1 n i 1 λ i+1 λ i 1 (λ i λ i 1 ), n i 1 2 (n i+1 + n i 1 ), i = 2,..., N 1. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 12 / 50

Modelo matemático A restrição R4 pode ser escrita como κ (λ) 0, para λ λ infl e κ (λ) 0, para λ λ infl, ou seja, κ i κ i 1 + κ i+1 κ i 1 λ i+1 λ i 1 (λ i λ i 1 ) κ i 1 2 (κ i+1 + κ i 1 ), λ i+1 λ infl, κ i κ i 1 + κ i+1 κ i 1 λ i+1 λ i 1 (λ i λ i 1 ) κ i 1 2 (κ i+1 + κ i 1 ), λ i 1 λ infl. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 13 / 50

Modelo matemático Para calcular os valores de d, n(λ) e κ(λ), resolvemos o seguinte problema de programação não-linear: Minimizar N i=1 [T obs i T (λ i, s i, d, n i, κ i )] 2 sujeita a n i+1 n i, i = 1,..., N 1, κ i+1 κ i, i = 1,..., N 1, n i 1 2 (n i+1 + n i 1 ), i = 2,..., N 1, κ i 1 2 (κ i+1 + κ i 1 ), λ i+1 λ infl, κ i 1 2 (κ i+1 + κ i 1 ), λ i 1 λ infl, n i 1, i = 1,..., N, κ i 0, i = 1,..., N. (1) Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 14 / 50

Algoritmo para resolução do problema Note que, fixado d, temos 2N variáveis (n i e κ i, para i = 1,..., N) e 4N 6 restrições lineares. Por saber que, na região de interesse, a função κ é convexa, fixamos λ infl em λ min. Dados N, λ min, λ max e as observações Ti obs, i = 1,..., N, fixamos o valor de d. Utilizando uma estimativa inicial para n e κ, podemos usar um método para minimização com restrições lineares para resolver a instância do problema (1). Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 15 / 50

Algoritmo para resolução do problema Utilizamos seis estimativas iniciais de n. Todas elas são funções lineares decrescentes, que vão do ponto (x 1, y 1 ) ao ponto (x 2, y 2 ), sendo os pares [(x 1, y 1 ); (x 2, y 2 )] os seguintes: [(λ min, 3); (λ max, 2)], [(λ min, 4); (λ max, 2)], [(λ min, 5); (λ max, 2)], [(λ min, 4); (λ max, 3)], [(λ min, 5); (λ max, 3)], [(λ min, 5); (λ max, 4)]. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 16 / 50

Algoritmo para resolução do problema Para as estimativas iniciais de κ, utilizamos a função linear por partes que vale 0.1 em λ min, 0.01 em λ min + 0.2(λ max λ min ), e 10 10 em λ max. Dado um intervalo [d min, d max ] no qual sabe-se estar a espessura verdadeira, utilizamos como estimativa para espessura do filme os valores no intervalo [d min, d max ], espaçados de 10 em 10. Ou seja, d min, d min + 10,..., d max. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 17 / 50

Algoritmo para resolução do problema Para resolver o problema (1), utilizamos cada combinação das estimativas de n, κ e d citadas acima e utilizamos GENLIN para resolver as instâncias do problema. Dentre todas as combinações usadas, ficamos com a solução n e κ que fornece menor valor da função objetivo. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 18 / 50

Algoritmo para resolução do problema Chamemos d o valor de d utilizado na obtenção desta solução. Definimos então o intervalo [ d 10, d + 10]. Fixamos d como os pontos deste intervalo espaçados um a um, n e κ como ponto inicial e resolvemos estas instâncias do problema (1) utilizando GENLIN. Dentre as soluções obtidas para cada instância, consideramos como solução do problema (1) original a espessura d e a solução n e κ que fornecem o menor valor de função objetivo. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 19 / 50

Experimentos numéricos Para verificar se este método de resolução do problema (1) é confiável, utilizamos transmitância gerada por computador de filmes gedanken, para os quais temos os resultados verdadeiros para comparar com a solução fornecida pelo método. Os conjuntos de filme e substrato utilizados nos experimentos são: Filme A: este filme gerado por computador simula um filme fino de Siĺıcio amorfo hidrogenado (a-si:h), depositado sobre um substrato de vidro, com espessura d real = 100 nm. O intervalo de comprimentos de onda usado vai de 550 nm a 1530 nm; Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 20 / 50

Experimentos numéricos Filme B: este filme, como o Filme A, simula um filme fino de Siĺıcio amorfo hidrogenado (a-si:h) depositado sobre um substrato de vidro. Sua espessura é d real = 600 nm e o intervalo de comprimentos de onda usado vai de 620 nm a 1610 nm; Filme C: simula um filme fino de Germânio amorfo hidrogenado (a-ge:h), depositado sobre um substrato cristalino de Siĺıcio, com espessura d real = 100 nm e intervalo de comprimentos de onda de 1250 nm a 2537 nm; Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 21 / 50

Experimentos numéricos Filme D: este filme, como o Filme C, simula um filme fino de Germânio amorfo hidrogenado (a-ge:h), depositado sobre um substrato cristalino de Siĺıcio. Sua espessura é d real = 600 nm e o intervalo de comprimentos de onda vai de 1250 nm a 2537 nm; Filme E: simula um filme de óxido de metal, com espessura d real = 80, depositado sobre vidro. O intervalo de comprimentos de onda usado vai de 360 nm a 657 nm. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 22 / 50

Experimentos numéricos O índice de refração s(λ) dos substratos de vidro e Siĺıcio usados nos experimentos são dados, respectivamente, por 1 s vidro (λ) = 1 + ( ), 0.7568 7930 λ 2 s Si (λ) = 3.71382 8.69123 10 5 λ 2.47125 10 8 λ 2 + 1.04677 10 11 λ 3. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 23 / 50

Experimentos numéricos O índice de refração n real e o coeficiente de absorção α real de a-si:h são dados por n real (λ) = 1 + ( 1 ), 0.09195 12600 λ 2 6.5944 10 6 e (9.0846E) 16.102, 0.60 < E < 1.40, ln(α real (E)) = 20E 41.9, 1.40 < E < 1.75, 59.56E 102.1 8.391, 1.75 < E < 2.29. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 24 / 50

Experimentos numéricos O índice de refração n real e o coeficiente de absorção α real de a-ge:h são dados por n real (λ) = 1 + ( 1 ), 0.065 15000 λ 2 6.5944 10 6 e (13.629E) 16.102, 0.48 < E < 0.93, ln(α real (E)) = 30E 41.9, 0.93 < E < 1.17, 89.34E 102.1 8.391, 1.17 < E < 1.50. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 25 / 50

Experimentos numéricos O índice de refração n real e o coeficiente de absorção α real do óxido de metal são dados por n real (λ) = 1 + ( 1 ), 0.3 10000 λ 2 ln(α real (E)) = 6.5944 10 6 e (4.0846E) 11.02, 0.5 < E < 3.5. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 26 / 50

Experimentos numéricos Nas expressões anteriores, o comprimento de onda λ é dado em nanômetros (nm), a energia do fóton E = 1240/λ é dada em ev e o coeficiente de absorção α é dado em nm 1. Note que κ pode ser obtido a partir de α. Para todos os experimentos, usamos N = 100. Os valores de λ i utilizados são os 100 pontos do intervalo fechado [λ min, λ max ] igualmente espaçados. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 27 / 50

Experimentos numéricos Para cada conjunto de filme e substrato descrito, calculamos os valores verdadeiros s real, n real e κ real utilizando cada um desses λ i. A partir destes valores, calculamos a transmitância verdadeira dos filmes T real. Precisamos de um intervalo inicial para a espessura d. Utilizamos d min = 0.5d real e d max = 1.5d real. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 28 / 50

Resultados numéricos Instância Esp verdadeira Espessura Erro quadrático Tempo Filme A 100 100 5.25E 07 250.68 Filme B 600 600 1.93E 07 1635.60 Filme C 100 105 1.15E 07 119.46 Filme D 600 600 1.69E 07 841.28 Filme E 80 80 1.26E 07 239.99 Tabela : Espessuras (em nanômetros) verdadeiras e recuperadas, erro quadrático e tempo (em segundos) gasto por GENLIN para resolver as instâncias Filme A a Filme E. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 29 / 50

Resultados numéricos Os valores de espessura recuperados por GENLIN estão muito próximos dos valores reais. Com relação às constantes ópticas recuperadas, apenas no caso do Filme C (Figura 11), o método obteve uma aproximação ruim para o coeficiente de absorção. Isso é esperado, dado o alto grau de indeterminação do modelo para este filme. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 30 / 50

Resultados numéricos 1 0.8 0.6 Transmitancia 0.4 0.2 0 verdadeiro recuperado 400 600 800 1000 1200 1400 1600 Comprimento de onda (nm) Figura : Valores reais e recuperados por GENLIN para a transmitância do Filme A. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 31 / 50

Resultados numéricos 5 Indice de refracao 4.5 4 3.5 400 600 800 1000 1200 1400 1600 Comprimento de onda (nm) verdadeiro recuperado Figura : Valores reais e recuperados por GENLIN para o índice de reflexão do Filme A. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 32 / 50

Resultados numéricos 10 7 10 6 10 5 Coeficiente de absorcao (cm -1 ) 10 4 10 3 10 2 10 1 10 0 10-1 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 Energia do foton (ev) verdadeiro recuperado Figura : Valores reais e recuperados por GENLIN para o coeficiente de absorção do Filme A. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 33 / 50

Resultados numéricos 10 1 10 0 10-1 10-1 10-2 Erro quadratico 10-2 10-3 Erro quadratico 10-3 10-4 10-4 10-5 10-5 10-6 10-6 60 80 100 120 140 Espessura testada (nm) 90 95 100 105 110 Espessura testada (nm) Figura : Erro quadrático obtido por GENLIN durante o processo de otimização em relação aos valores testados para espessura do Filme A. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 34 / 50

Resultados numéricos 1 0.8 0.6 Transmitancia 0.4 0.2 0 600 800 1000 1200 1400 1600 1800 Comprimento de onda (nm) verdadeiro recuperado Figura : Valores reais e recuperados por GENLIN para a transmitância do Filme B. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 35 / 50

Resultados numéricos 4.6 4.4 Indice de refracao 4.2 4 3.8 3.6 3.4 verdadeiro recuperado 600 800 1000 1200 1400 1600 1800 Comprimento de onda (nm) Figura : Valores reais e recuperados por GENLIN para o índice de reflexão do Filme B. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 36 / 50

Resultados numéricos 10 7 10 6 10 5 Coeficiente de absorcao (cm -1 ) 10 4 10 3 10 2 10 1 10 0 10-1 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 Energia do foton (ev) verdadeiro recuperado Figura : Valores reais e recuperados por GENLIN para o coeficiente de absorção do Filme B. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 37 / 50

Resultados numéricos 10 1 10-2.5 10 0 10-3 Erro quadratico 10-1 10-2 10-3 10-4 10-5 Erro quadratico 10-3.5 10-4 10-4.5 10-5 10-5.5 10-6 10-6 10-6.5 10-7 300 400 500 600 700 800 900 Espessura testada (nm) 10-7 590 595 600 605 610 Espessura testada (nm) Figura : Erro quadrático obtido por GENLIN durante o processo de otimização em relação aos valores testados para espessura do Filme B. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 38 / 50

Resultados numéricos 0.475 0.47 0.465 0.46 Transmitancia 0.455 0.45 0.445 0.44 0.435 1200 1400 1600 1800 2000 2200 2400 2600 Comprimento de onda (nm) verdadeiro recuperado Figura : Valores reais e recuperados por GENLIN para a transmitância do Filme C. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 39 / 50

Resultados numéricos 4.45 4.4 4.35 Indice de refracao 4.3 4.25 4.2 4.15 4.1 4.05 1200 1400 1600 1800 2000 2200 2400 2600 Comprimento de onda (nm) verdadeiro recuperado Figura : Valores reais e recuperados por GENLIN para o índice de reflexão do Filme C. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 40 / 50

Resultados numéricos 10 4 10 3 Coeficiente de absorcao (cm -1 ) 10 2 10 1 10 0 10-1 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 Energia do foton (ev) verdadeiro recuperado Figura : Valores reais e recuperados por GENLIN para o coeficiente de absorção do Filme C. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 41 / 50

Resultados numéricos 10-2 10-4.5 10-3 10-5 Erro quadratico 10-4 10-5 Erro quadratico 10-5.5 10-6 10-6 10-6.5 10-7 60 80 100 120 140 10-7 100 105 110 115 120 Espessura testada (nm) Espessura testada (nm) Figura : Erro quadrático obtido por GENLIN durante o processo de otimização em relação aos valores testados para espessura do Filme C. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 42 / 50

Resultados numéricos 0.56 0.54 0.52 Transmitancia 0.5 0.48 0.46 0.44 0.42 1200 1400 1600 1800 2000 2200 2400 2600 Comprimento de onda (nm) verdadeiro recuperado Figura : Valores reais e recuperados por GENLIN para a transmitância do Filme D. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 43 / 50

Resultados numéricos 4.45 4.4 4.35 Indice de refracao 4.3 4.25 4.2 4.15 4.1 4.05 1200 1400 1600 1800 2000 2200 2400 2600 Comprimento de onda (nm) verdadeiro recuperado Figura : Valores reais e recuperados por GENLIN para o índice de reflexão do Filme D. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 44 / 50

Resultados numéricos 10 2 10 1.5 Coeficiente de absorcao (cm -1 ) 10 1 10 0.5 10 0 10-0.5 10-1 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 Energia do foton (ev) verdadeiro recuperado Figura : Valores reais e recuperados por GENLIN para o coeficiente de absorção do Filme D. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 45 / 50

Resultados numéricos 10 0 10-2.5 10-1 10-3 10-3.5 10-2 10-4 Erro quadratico 10-3 10-4 Erro quadratico 10-4.5 10-5 10-5 10-5.5 10-6 10-6 10-6.5 10-7 300 400 500 600 700 800 900 Espessura testada (nm) 10-7 590 595 600 605 610 Espessura testada (nm) Figura : Erro quadrático obtido por GENLIN durante o processo de otimização em relação aos valores testados para espessura do Filme D. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 46 / 50

Resultados numéricos 1 0.8 0.6 Transmitancia 0.4 0.2 0 verdadeiro recuperado 300 350 400 450 500 550 600 650 700 Comprimento de onda (nm) Figura : Valores reais e recuperados por GENLIN para a transmitância do Filme E. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 47 / 50

Resultados numéricos 2.5 2.4 Indice de refracao 2.3 2.2 2.1 verdadeiro recuperado 2 300 350 400 450 500 550 600 650 700 Comprimento de onda (nm) Figura : Valores reais e recuperados por GENLIN para o índice de reflexão do Filme E. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 48 / 50

Resultados numéricos 10 8 Coeficiente de absorcao (cm -1 ) 10 6 10 4 10 2 10 0 10-2 1.8 2 2.2 2.4 2.6 2.8 3 3.2 3.4 3.6 Energia do foton (ev) verdadeiro recuperado Figura : Valores reais e recuperados por GENLIN para o coeficiente de absorção do Filme E. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 49 / 50

Resultados numéricos 10 1 10 0 10-1 10-1 10-2 10-2 10-3 Erro quadratico 10-3 10-4 Erro quadratico 10-4 10-5 10-5 10-6 10-6 10-7 10-7 40 50 60 70 80 90 100 110 120 Espessura testada (nm) 70 75 80 85 90 Espessura testada (nm) Figura : Erro quadrático obtido por GENLIN durante o processo de otimização em relação aos valores testados para espessura do Filme E. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 29 de setembro de 2014 50 / 50