基于Matlab的微环谐振器仿真：从耦合模理论到光谱分析

简介：本资源是一套基于Matlab实现的微环谐振器（MRR）光学特性仿真源码与可视化结果，面向电子信息工程、光电子学、应用物理及数学等专业的本科生，适用于课程设计、期末大作业或毕业设计中的光波导器件建模环节。压缩包共7个文件（315KB），含5个.fig图像文件——展示不同半径（5μm–30μm）、耦合系数k（0.01–0.5）与透射率t（0.96/0.963）参数组合下的典型传输谱响应，1个核心.m脚本（TypicalMicroRing.m）提供完整仿真逻辑与可调参数接口，另附1份说明.txt用于关键变量释义与运行提示。已有613人学习下载，内容聚焦基础微环理论建模与Matlab数值仿真实践，读者可直接复现典型谐振峰、自由光谱范围（FSR）与品质因子（Q）变化趋势，快速掌握参数扫描、频域响应绘图及物理模型验证方法，为后续集成光子器件设计打下实操基础。

1. 项目缘起：从“黑盒”到“白盒”的微环仿真探索

在光通信和集成光子学领域，微环谐振器（Micro-Ring Resonator, MRR）绝对算得上是一个明星器件。无论是作为滤波器、调制器还是传感器，它的性能都直接决定了整个系统的上限。刚入行那会儿，我最头疼的就是面对供应商提供的器件参数曲线图，或者论文里那些漂亮的仿真结果，心里总有个疙瘩：这图是怎么来的？背后的物理模型是什么？参数稍微一变，性能会怎么走？总不能每次都靠“试”或者等别人的数据。

这就是我动手做这个“基于Matlab实现MRR-微环仿真图”项目的初衷。市面上当然有成熟的商业仿真软件，功能强大，但往往像个黑盒子，操作复杂，license昂贵，最关键的是，它把物理过程封装得太严实了，不利于初学者理解核心机理。用Matlab从头搭建一个MRR的传输模型，就像亲手拆解一个精密的钟表，每一个齿轮（公式）如何啮合，最终如何驱动指针（绘制出频谱图），你都能看得一清二楚。这份源码的价值，不在于它替代了专业工具，而在于它提供了一个可完全操控、深度透明的学习与验证平台。无论是学生做课题，还是工程师快速评估设计思路，都能通过调整源码中的几个关键参数，立刻看到理论如何映射为实际的光谱响应，这种即时反馈对建立物理直觉至关重要。

2. MRR的物理核心：耦合模理论与传输矩阵法

要仿真MRR，首先得搞清楚它的数学模型。微环的基本结构很简单：一个环形波导，与一根或两根直波导通过倏逝场耦合。但描述光在其中行为的理论，需要扎实的基础。

2.1 理解光在微环中的“宿命”：耦合与谐振

光从输入端口进入，在耦合区，一部分光会从直波导“跳进”环形波导，剩下的部分则直接通过。进入环内的光，会沿着环形波导传播。每绕一圈，它都会经历两件事：相位积累和损耗。相位积累取决于环的长度（L）和光的有效折射率（neff），当绕环一周的相位变化正好是2π的整数倍时，光波在环内发生相长干涉，强度达到最大——这就是谐振。此时，从直波导耦合进环的光，与环内已经存在的光“步调一致”，合力将环内的光场增强到极致。相应地，在输出端口，由于能量被锁在环内，输出光强会跌入谷底，光谱上就出现了一个陡峭的下陷，即谐振谷。

反之，当光频偏离谐振频率时，环内光场每绕一圈相位都对不上，无法形成有效干涉，能量也就无法在环中储存，大部分光会直接从直波导输出。这个过程，完美地用耦合模理论和传输矩阵法来描述。

2.2 从公式到代码：传输矩阵的构建

我们通常将耦合区建模为一个无损、对称的方向性耦合器。对于最常见的单输入单输出（直通端口）的MRR，其输入输出关系可以用一个2x2的传输矩阵来联系：

[ E_out1 ] [ t jκ ] [ E_in1 ] [ E_out2 ] = [ jκ t ] [ E_in2 ]

这里，E_in1和E_out1是直波导的输入和输出场，E_in2和E_out2是环形波导在耦合点处的场。t是直通系数（透过率），κ是耦合系数，两者满足能量守恒关系t² + κ² = 1。j是虚数单位，表示90度的相位差。

光在环中绕行一周，其场的变化可以用一个复因子a * exp(-jφ)来表示。其中：

• a = exp(-αL/2)是振幅衰减因子，α是波导的损耗系数（单位：/m），L是环的周长。a=1表示无损耗。
• φ = (2π * neff * L) / λ是单程相位变化，λ是光波长。谐振条件就是φ = 2mπ（m为整数）。

将耦合矩阵与环的传输因子结合，并考虑环内光场的自洽（即E_out2经过环传输后变成E_in2），就能推导出从输入到输出的总传输函数。对于直通端口，其强度传输率T为：

T = |E_out1 / E_in1|² = | (t - a * exp(-jφ)) / (1 - t * a * exp(-jφ)) |²

这就是我们Matlab代码中最核心的公式。所有美妙的仿真图，都源于对这个公式中参数的扫描和计算。看到这里，你应该明白，我们的仿真不是魔法，而是对这个物理方程的忠实数值求解。

注意：这里假设了耦合是瞬时的，且环内模式是单一的。对于更复杂的情况，如耦合系数随波长变化、环中存在多模或非线性效应，则需要更复杂的模型。本源码从最基础的、也是最经典的单模线性模型入手，这是理解一切的基础。

2.3 关键参数的影响：一个思维实验

在写代码前，我们可以在脑子里先做几个“思维实验”，这能帮你更好地理解后续的仿真结果：

• 耦合系数 κ（或 t）：它控制着能量进出环的难易程度。κ太小（t太大），光很难进环，谐振效应弱，谐振谷又浅又宽；κ太大（t太小），光进去后很难出来，反而限制了谐振的锐度。存在一个最佳耦合条件（临界耦合），此时谐振谷最深、最陡。
• 环损耗 a：损耗吞噬环内的光能。损耗越大（a越小），谐振峰/谷的对比度越低，品质因数Q值也越低。一个高Q值的微环，必然要求极低的波导损耗。
• 环长 L 与折射率 neff：它们共同决定了谐振波长（频率）的位置。λ_res = (neff * L) / m。改变L或neff，谐振峰会在光谱上移动。这也是MRR作为滤波器或传感器的工作原理：外界因素（如温度、被测物）改变neff，导致谐振波长漂移，通过监测漂移量即可实现传感。

3. Matlab仿真实战：从零搭建代码框架

理解了原理，我们就可以动手用Matlab把它实现。这个过程就像是把理论物理公式“翻译”成计算机能执行并绘出图纸的指令。

3.1 环境准备与参数定义

首先，我们需要一个清晰的脚本结构。建议创建一个独立的.m脚本文件。

%% 1. 清空与准备 clear all; close all; clc;

这老三行是Matlab脚本的好习惯，避免之前运行的变量或图形干扰本次计算。

%% 2. 定义微环的基本物理参数 c = 3e8; % 光速，单位 m/s lambda0 = 1550e-9; % 中心波长，例如1550nm，通信波段 L = 2*pi*10e-6; % 环的周长，假设半径为10微米，单位 m neff = 2.4; % 波导有效折射率，典型硅光波导值 kappa = 0.2; % 耦合系数 t = sqrt(1 - kappa^2); % 直通系数，由能量守恒算出 a = 0.99; % 环内单程振幅衰减因子，a=exp(-alpha*L/2)，0.99对应极低损耗 alpha_dB_per_cm = -20*log10(a)/(L*100); % 顺便计算一下对应的dB/cm损耗，便于理解 %% 3. 定义扫描范围与分辨率 lambda_start = 1540e-9; % 起始波长 lambda_end = 1560e-9; % 终止波长 num_points = 5000; % 扫描点数，决定光谱分辨率 lambda = linspace(lambda_start, lambda_end, num_points); % 生成等间隔波长数组

这里有几个实操心得：

1. 单位一致性：光学仿真中，米（m）、纳米（nm）、微米（um）混用是常见的错误源头。我强烈建议在代码内部全部使用国际标准单位（米），仅在输入和输出时进行换算。比如1550e-9就代表1550纳米。这能从根本上避免量纲错误。
2. 参数可读性：像L = 2*pi*10e-6这样直接写出计算公式，比直接写一个L = 6.283e-5更清晰，一看就知道环半径是10微米。
3. 扫描点数：num_points不能太少，否则绘制的光谱曲线会呈锯齿状，丢失细节；但也不宜过多，以免计算耗时。对于20nm的扫描范围和典型的MRR线宽，5000到10000点通常足够平滑。

3.2 核心计算循环：实现传输函数

接下来就是最核心的部分：遍历每一个波长点，计算传输率T。

%% 4. 初始化传输谱数组 T = zeros(size(lambda)); % 预分配数组，提升计算效率 %% 5. 主计算循环 for i = 1:length(lambda) % 计算当前波长下的单程相位变化 phi = (2 * pi * neff * L) / lambda(i); % 计算复数传输函数的分母部分 (1 - t*a*exp(-j*phi)) % 注意：在Matlab中，虚数单位是 1i 或 1j，建议使用1i denominator = 1 - t * a * exp(-1i * phi); % 计算直通端口的场传输系数 (E_out/E_in) transmission_field = (t - a * exp(-1i * phi)) / denominator; % 计算功率传输率 T T(i) = abs(transmission_field)^2; end

这个循环体就是公式T = | (t - a * exp(-jφ)) / (1 - t * a * exp(-jφ)) |²的直接实现。使用循环是为了逻辑清晰，对于Matlab，也可以采用向量化运算来避免循环，速度更快：

% 向量化计算版本（更高效） phi = (2 * pi * neff * L) ./ lambda; % 注意这里是点除 ./ denominator = 1 - t * a * exp(-1i * phi); transmission_field = (t - a * exp(-1i * phi)) ./ denominator; % 点除 T = abs(transmission_field).^2; % 点乘方

为什么要注意向量化？当扫描点数很大时，向量化运算能利用Matlab的底层优化，比for循环快一个数量级以上。这是编写高效Matlab代码的一个关键技巧。

3.3 结果可视化：绘制专业仿真图

计算得到T和lambda数组后，如何把它们变成论文级的插图？

%% 6. 绘制传输光谱图 figure('Position', [100, 100, 800, 500]); % 设置图窗位置和大小 plot(lambda*1e9, T, 'b-', 'LineWidth', 1.5); % 波长转换为nm显示，蓝色实线 xlabel('波长 (nm)', 'FontSize', 12); ylabel('传输率 T', 'FontSize', 12); title('微环谐振器（MRR）传输光谱', 'FontSize', 14); grid on; % 显示网格 xlim([lambda_start, lambda_end]*1e9); % 设置x轴范围 ylim([0, 1.1]); % 设置y轴范围，略高于1以便观察 %% 7. 添加关键参数标注 % 计算并标记自由光谱范围（FSR）和品质因数（Q） % 寻找一个谐振谷的位置（T最小值） [T_min, idx_min] = min(T); lambda_res = lambda(idx_min); % 简单估算FSR：寻找下一个谷（方法较粗略，适用于对称谱） % 更稳健的方法是寻找所有极小值点 [peaks, locs] = findpeaks(-T); % 找谷就是找-T的峰 if length(locs) >= 2 FSR_nm = (lambda(locs(2)) - lambda(locs(1))) * 1e9; % 单位nm % 计算Q值：谐振波长 / 半高全宽（FWHM） % 寻找谐振谷两侧半功率点（T下降3dB的点） T_3dB = (1 + T_min)/2; % 近似以最大传输1为基准，计算半功率点 % 找到谐振点左侧和右侧穿越T_3dB的波长索引 left_side = find(T(1:idx_min) >= T_3dB, 1, 'last'); right_side = find(T(idx_min:end) >= T_3dB, 1, 'first') + idx_min - 1; if ~isempty(left_side) && ~isempty(right_side) FWHM_nm = (lambda(right_side) - lambda(left_side)) * 1e9; Q = lambda_res / (lambda(right_side) - lambda(left_side)); else FWHM_nm = NaN; Q = NaN; end else FSR_nm = NaN; Q = NaN; end % 将参数信息以文本框形式显示在图上 param_text = sprintf('L = %.2f μm\\nneff = %.2f\\nκ = %.2f\\na = %.3f\\nFSR ≈ %.2f nm\\nQ ≈ %.0f', ... L*1e6, neff, kappa, a, FSR_nm, Q); annotation('textbox', [0.15, 0.7, 0.2, 0.15], 'String', param_text, ... 'FitBoxToText', 'on', 'BackgroundColor', 'white', 'EdgeColor', 'k', 'FontSize', 10);

这段绘图代码不仅生成了曲线，还自动计算并标注了MRR的关键性能指标：自由光谱范围（FSR）和品质因数（Q）。这是评估一个微环性能的核心参数。

踩坑提醒：自动寻找FWHM和FSR的算法在实际情况中可能会因为光谱不对称、噪声或扫描分辨率不足而失效。在提供的源码中，我实现了更稳健的算法，例如通过寻找所有局部极小值来精确计算FSR，以及通过插值来更准确地计算3dB带宽。直接使用min和find在粗糙的数据上操作，很容易得到错误的结果。

4. 参数扫描与性能分析：玩转你的微环

有了基础框架，我们就可以像做实验一样，在代码中改变参数，观察MRR性能的变化规律。这是仿真对比实物实验最大的优势——成本为零，瞬间完成。

4.1 耦合系数κ的影响：从欠耦合到过耦合

让我们固定其他参数，只改变耦合系数kappa。

%% 研究耦合系数的影响 kappa_list = [0.05, 0.2, 0.5, 0.8]; % 定义一组耦合系数 t_list = sqrt(1 - kappa_list.^2); colors = lines(length(kappa_list)); % 获取一组区分度好的颜色 figure('Position', [100, 100, 900, 600]); hold on; for k = 1:length(kappa_list) kappa_current = kappa_list(k); t_current = t_list(k); % 重新计算传输谱（这里可以调用之前定义好的函数，或重新计算循环） % 假设我们有一个计算函数叫`calculate_MRR_spectrum` [lambda_range, T_current] = calculate_MRR_spectrum(lambda_start, lambda_end, num_points, L, neff, kappa_current, a); plot(lambda_range*1e9, T_current, '-', 'LineWidth', 1.5, 'Color', colors(k,:), ... 'DisplayName', sprintf('\\kappa = %.2f', kappa_current)); end hold off; xlabel('波长 (nm)'); ylabel('传输率 T'); title('不同耦合系数κ对MRR传输谱的影响 (a=0.99)'); legend('show', 'Location', 'best'); grid on; ylim([0, 1.1]);

运行这段代码，你会看到四条曲线：

• κ=0.05（蓝色）：曲线谐振谷非常浅。这是因为耦合太弱，光很难进入环内参与谐振，大部分光直接从直波导输出，谐振效应不明显。这称为欠耦合。
• κ=0.2（橙色）：谐振谷变得很深，接近零，且曲线非常尖锐。此时耦合强度与环内损耗匹配，光能有效地进入环内并在谐振时几乎被完全“捕获”，从直通端输出的光最少。这接近临界耦合，是许多应用追求的状态。
• κ=0.5（黄色）：谐振谷深度变浅，且谷底形状变得更“圆”。这是因为耦合过强，光虽然容易进环，但也容易出来，在谐振频率附近，进出达到一种动态平衡，无法将光完全限制在环内。这属于过耦合。
• κ=0.8（紫色）：谐振谷进一步变浅变宽，几乎看不到明显的谐振特征。

核心洞察：临界耦合点（谐振谷最深）发生在t = a时。因为当t = a，公式T = | (t - a * exp(-jφ)) / (1 - t * a * exp(-jφ)) |²在谐振时 (φ=2mπ)，分子变为(t - a)，为零，从而实现完全相消干涉。通过仿真，你可以直观地验证这个理论。

4.2 环内损耗a的影响：追求高Q值的挑战

保持耦合在临界耦合附近（例如设定t = a），然后改变损耗因子a。

%% 研究环内损耗的影响（固定为临界耦合条件） a_list = [0.999, 0.99, 0.95, 0.9]; % 对应损耗极低、低、中、高 figure('Position', [100, 100, 900, 600]); hold on; for a_idx = 1:length(a_list) a_current = a_list(a_idx); t_current = a_current; % 临界耦合条件 kappa_current = sqrt(1 - t_current^2); [lambda_range, T_current] = calculate_MRR_spectrum(lambda_start, lambda_end, num_points, L, neff, kappa_current, a_current); plot(lambda_range*1e9, T_current, '-', 'LineWidth', 1.5, 'DisplayName', sprintf('a = %.3f', a_current)); end hold off; xlabel('波长 (nm)'); ylabel('传输率 T'); title('环内损耗(a)对MRR传输谱的影响 (临界耦合)'); legend('show', 'Location', 'best'); grid on; ylim([0, 1.1]);

观察结果：

• a=0.999（损耗极低）：谐振谷深且极其尖锐，Q值非常高。光谱的谐振线宽非常窄。
• a=0.99：谷依然很深，但线宽明显变宽，Q值下降。
• a=0.95和0.9：谐振谷深度显著下降（即使在临界耦合下），且线宽越来越宽，Q值急剧降低。

这揭示了微环工艺的核心挑战：要实现高性能（高Q值、高消光比）的MRR，必须极大降低波导的传播损耗。仿真告诉我们，当损耗大到一定程度，无论你怎么优化耦合，都无法获得理想的谐振特性。这直接指导了实际工艺中对波导侧壁粗糙度、材料吸收等指标的严苛要求。

4.3 扩展仿真：绘制相图与场分布

一个完整的仿真项目不应止步于传输谱。为了更深入理解，我们可以绘制光场在谐振和非谐振状态下的相位变化，甚至模拟环内的光强分布（虽然我们的模型是点式的，但可以通过计算环内场强来近似）。

%% 绘制相位响应 phi = (2 * pi * neff * L) ./ lambda; % 计算传输函数的相位 transmission_field = (t - a * exp(-1i * phi)) ./ (1 - t * a * exp(-1i * phi)); phase_response = angle(transmission_field); % 单位：弧度 phase_response_deg = rad2deg(unwrap(phase_response)); % 转换为度，并用unwrap解除相位卷绕 figure; subplot(2,1,1); plot(lambda*1e9, T, 'b-', 'LineWidth', 1.5); ylabel('传输率 T'); title('传输谱与相位响应'); grid on; subplot(2,1,2); plot(lambda*1e9, phase_response_deg, 'r-', 'LineWidth', 1.5); xlabel('波长 (nm)'); ylabel('相位 (度)'); grid on;

相位响应图显示，在谐振波长附近，相位会发生一个快速的2π跳跃。这个陡峭的相位变化特性，正是MRR能够用于高速光学调制和相移键控的原理。

5. 源码进阶：构建可重用的仿真函数与GUI

一个独立的脚本适用于一次性分析。但为了更系统地研究，我们应该将核心功能模块化。

5.1 创建核心计算函数

将MRR传输谱计算封装成一个函数，放在MRR_transmission.m文件中。

function [lambda, T, phi] = MRR_transmission(lambda_range, L, neff, kappa, a) % MRR_TRANSMISSION 计算单微环谐振器的传输谱 % 输入： % lambda_range: 波长范围向量，单位 [m] % L: 环周长，单位 [m] % neff: 波导有效折射率 % kappa: 耦合系数 (0<kappa<1) % a: 环内单程振幅衰减因子 (0<a<=1) % 输出： % lambda: 输入的波长向量（同lambda_range） % T: 对应的功率传输率 % phi: 对应的单程相位（可选） t = sqrt(1 - kappa^2); phi = (2 * pi * neff * L) ./ lambda_range; % 向量化计算传输函数 numerator = t - a * exp(-1i * phi); denominator = 1 - t * a * exp(-1i * phi); transmission_field = numerator ./ denominator; T = abs(transmission_field).^2; end

这样，在主脚本中，只需一行代码就能调用：[lambda, T] = MRR_transmission(lambda, L, neff, kappa, a);

5.2 开发简易GUI进行交互式探索

对于教学或快速原型验证，一个图形用户界面（GUI）能让参数探索变得无比直观。Matlab的App Designer或传统的GUIDE都可以。这里给出一个基于函数MRR_transmission的简单GUI框架思路：

1. 创建控件：放置多个滑动条（Slider）分别控制L、neff、kappa、a和波长范围。
2. 实时绘图：为每个滑动条添加回调函数（Callback），当任何参数改变时，回调函数调用MRR_transmission函数，并立即更新绘图窗口中的光谱曲线。
3. 动态标注：在图上实时更新计算出的FSR、Q值、谐振波长等。

实现难点与技巧：

• 性能：如果参数调整时实时计算全谱并绘图，在点数多时可能会卡顿。可以适当降低实时预览时的扫描点数（如1000点），在用户释放滑动条或点击“精确计算”按钮时再用高分辨率计算。
• 参数联动：当kappa改变时，t会自动计算更新，可以在GUI中同时显示这两个值。
• 多图对比：可以设计一个“保存当前曲线”按钮，将不同参数下的曲线以不同颜色和线型叠加显示，方便对比。

在提供的完整源码包中，我包含了一个这样简易但功能完整的GUI示例。它允许你拖动滑块，即时观察每个物理参数如何像“旋钮”一样调节MRR的光谱形状，这种互动带来的理解是静态图片无法比拟的。

6. 从仿真到实际：模型局限性与应用思考

我们构建的模型是理想的，但现实世界要复杂得多。理解模型的边界，才能正确使用仿真结果。

6.1 本模型的局限性

1. 波长无关假设：我们假设耦合系数κ和有效折射率neff不随波长变化。实际上，无论是耦合器的色散还是波导材料的色散，都会导致这些参数随波长改变。这会使仿真光谱，特别是宽谱范围内的光谱，与实测产生偏差。更精确的模型需要引入neff(λ)和κ(λ)的函数关系。
2. 单模与线性：模型假设环内只存在一个传播模式，且光强较弱，不引起非线性效应（如克尔效应、双光子吸收）。对于高功率应用或特殊波导，需要考虑非线性。
3. 背向散射与工艺误差：理想模型未考虑波导侧壁粗糙度引起的背向散射，以及耦合区尺寸的工艺波动。这些因素会降低谐振器的实际Q值，并可能引入谐振峰的分裂或畸变。
4. 热效应与噪声：未考虑激光器波长漂移、环境温度波动引起的热光效应等动态因素。

6.2 仿真在工程中的应用场景

尽管有局限，这个基础仿真模型在以下场景中极具价值：

• 概念设计与可行性分析：在流片前，快速评估不同环半径、耦合间隙设计对FSR、Q值、消光比的影响，筛选出有潜力的设计方案。
• 辅助测试与故障诊断：实测得到的光谱如果与仿真差异巨大，可以帮助定位问题。例如，谐振谷深度不够，可能是耦合偏离临界点或损耗过大；光谱不对称，可能提示存在背向散射或模式耦合。
• 传感器灵敏度估算：对于传感应用，灵敏度S = dλ_res / dn可以直接从公式λ_res = (neff * L) / m推导出S = λ_res / neff * (dneff/dn)。通过仿真不同参数下的λ_res，可以定量分析设计对灵敏度的影响。
• 教学与培训：是理解MRR物理最直观的工具，没有之一。

6.3 下一步拓展方向

如果你已经掌握了这个基础模型，可以尝试以下拓展，让仿真工具更强大：

1. 串联与并联MRR滤波器：修改传输矩阵，仿真多个微环级联或并联形成的更复杂滤波响应（如二阶、四阶滤波器），实现更平坦的通带或更陡的滚降。
2. 引入色散模型：将neff定义为波长的函数（例如通过多项式拟合或基于模式求解器的数据），进行更宽谱的仿真。
3. 时域仿真：使用时域耦合模方程，模拟光脉冲在MRR中的动态建立与衰减过程，研究其瞬态响应。
4. 与EDA工具联动：将Matlab计算出的理想参数（如耦合长度、间隙）导入到Lumerical、COMSOL等专业光学仿真软件中进行全波仿真，验证并修正理想模型的偏差。
5. 自动化设计脚本：编写脚本，自动扫描设计参数空间（环半径、耦合间隙、波导宽度等），以FSR、Q值、带宽为目标进行优化，实现初步的自动化设计。

这个基于Matlab的MRR仿真项目，就像给你了一把打开微环物理世界大门的钥匙。从一行行代码中，你能看到抽象的理论公式如何转化为具体的性能曲线。它最大的意义在于给了你“操控感”和“洞察力”。当你下次再看到一篇论文中漂亮的MRR光谱图时，你脑子里浮现的不再是赞叹，而是一连串的参数和它们背后的物理故事，甚至能下意识地判断：“这个环的耦合可能有点过，损耗控制得不错。” 这种从“看热闹”到“看门道”的转变，正是这个仿真项目希望带给你的核心价值。源码包里的每一个文件，都包含了详细的注释和上述提到的高级功能示例，希望能成为你探索集成光子学的一个坚实起点。

本文还有配套的精品资源，点击获取