多層膜厚度測量：反射光譜解譜方法詳解

一束白光打到多層薄膜上，反射光譜里同時疊加了所有層的干涉信息。問題是，怎么從這條光譜曲線里，把每一層各自的厚度拆出來？這事比表面看起來難得多——單層膜只要擬合一個厚度參數，多層膜的自由參數隨層數暴增，但反射光譜中真正獨立的信息量并沒有同步增長。這篇文章不講花架子，我們直接進入傳輸矩陣法（TMM）怎么算反射光譜、色散模型怎么壓參數、擬合算法怎么從光譜里撈厚度，以及最重要的一件事：什么情況下你解出來的結果可以信，什么情況下只是數學上看著漂亮。

目錄

1.       1. 為什么多層膜解譜比單層膜難那么多

2.       2. 傳輸矩陣法（TMM）：把多層膜算成一條光譜

3.       3. 色散模型：3個參數替掉100個未知數

4.       4. 擬合策略：從局部優跳到全局

5.       5. 層數陷阱：為什么30層比10層難100倍

6.       6. 實操中管用的幾條經驗

7.       7. 橢偏儀還是反射法？看層數選

8.       8. 總結

1. 為什么多層膜解譜比單層膜難那么多

單層膜的情況很簡單。你已知膜層材料的折射率 n(λ) 和消光系數 k(λ)，接下來只要做四步：
        

1. 用菲涅爾方程算出空氣/膜層/基底三層結構的理論反射光譜 R(λ, d)
                

2. 拿這個理論光譜跟實測光譜對比
                

3. 調整厚度 d，讓兩者盡量重合
                

4. 得到膜厚
                

整個問題只有一個未知數，幾百個波長點的數據都在約束它。這種叫超定問題，信息量遠大于未知數，解是確定的。
        

 多層膜就是另一回事了。拿 5 層膜舉例：每層 1 個厚度未知數，再加上每層材料至少 2-3 個色散參數（如果用 Cauchy 模型），總共 15-25 個自由參數。反射光譜雖然有幾百個波長點的數據，但這些數據點高度相關，相鄰波長的反射率不是獨立的，你增加波長采樣點并不能等比增加信息量。
        

多層膜解譜真正要解決的問題是：自由參數隨層數線性增長，但光譜中的獨立信息量增長得慢得多。兩條線交叉的地方，就是你能解的層數上限。

下面我們從三個環節來拆這件事：怎么算（TMM）、怎么壓參數（色散模型）、怎么搜（擬合算法）。
        

2. 傳輸矩陣法（TMM）：把多層膜算成一條光譜

2.1 每層膜就是一個 2×2 矩陣

傳輸矩陣法（Transfer Matrix Method, TMM）是目前算多層膜反射率的標準工具。它的思路很直接：每一層薄膜對光的傳播效果，用一個 2×2 的復數矩陣描述。把所有層的矩陣按順序乘起來，得到整個膜系的總矩陣，從總矩陣里直接提取反射率和透射率。

            第 j 層膜（厚度 d?，復折射率 ?? = n? + ik?）的特征矩陣長這樣：
        

M? = [ cos(δ?)   (i/η?)·sin(δ?) ]
    [ i·η?·sin(δ?)   cos(δ?) ]

            δ? 是相位厚度，η? 是修正光學導納：
        

δ? = (2π/λ) · ?? · d? · cos(θ?)
η? = ?? · cos(θ?)  （s偏振）
η? = ?? / cos(θ?)  （p偏振）

            N 層膜的總傳輸矩陣等于各層矩陣的乘積：
        

M
total
= M? · M? · M? · ... · M
N

            從總矩陣的四個元素 m??, m??, m??, m?? 可以直接算出反射率：
        

R = |(m??·η? ? m??·η
sub
+ m??·η?·η
sub
? m??) / (m??·η? + m??·η
sub
+ m??·η?·η
sub
+ m??)|2

            TMM 是一個前向求解器——給定所有層的厚度和光學常數，它能精確算出反射光譜。但我們需要的是反過來：給定反射光譜，反推各層厚度。所以實際工作流程是"反復調用 TMM + 優化搜索"：每輪迭代用當前猜測的參數跑一次 TMM 得到理論光譜，跟實測光譜比較，再調整參數，直到兩者吻合。
        

2.2 為什么大家都用 TMM

TMM 有幾個明顯優勢。第一是數值穩定，不像某些遞推方法（比如 Rouard 法）在厚膜或高吸收膜里會發散。第二是層數不受限，理論上多少層都能算，實際瓶頸只在于擬合能不能收斂。第三是角度和偏振天然支持，改一下 δ? 和 η? 的表達式就行。第四是梯度可以解析推導，這對擬合算法的效率很關鍵。
        

韓國標準科學研究院（KRISS）在 2025 年的一篇綜述里提到，基于 TMM 的多層膜反射模型加優化算法，已經能在 10 層以內的透明介質膜系上做到高精度解譜，前提是各層材料的光學常數事先標定好，層厚在 20 nm 到 5 μm 之間。
        

3. 色散模型：3個參數替掉100個未知數

3.1 參數是怎么炸掉的

 如果沒有色散模型，每一層膜在每一個波長處的 n 和 k 都是獨立未知數。380-1050 nm 范圍、1 nm 步長，每層有 671×2 = 1342 個未知數，5 層膜就是 6710 個。從一條反射光譜里解出幾千個參數是不可能的。
        

色散模型做的事就是用 3-6 個物理參數來描述整個波長范圍內的 n(λ) 和 k(λ)，把未知數從幾千壓縮到個位數。

3.2 三種模型，各管一攤

            實際工作中，大部分光學鍍膜用的多層介質膜（SiO?/Ta?O?、SiO?/TiO? 之類），Cauchy 模型就夠用了——參數少、擬合穩、可見-近紅外波段精度沒問題。Sellmeier 在寬波段（比如 300-2000 nm）更準但參數多。Tauc-Lorentz 只在膜層有明顯吸收（k > 0.001）時才需要上，否則參數多了反而是負擔。
        

3.3 色散模型的坑

色散模型減少了參數，但也帶來了風險：如果模型的函數形式跟材料的真實色散對不上，擬合出的厚度會有系統性偏差。比如用 Cauchy 模型擬合 TiO? 薄膜在 400 nm 附近（接近帶邊，有微弱吸收）的光譜——Cauchy 模型假定 k=0，實際 k 不為零，擬合出來的厚度可能偏小 1-3%。
        

一個更穩妥的做法是：先用橢偏儀在單層校準片上建立每種材料的光學常數數據庫（n/k vs λ），把這些數據作為固定輸入代入多層膜 TMM 模型，只讓厚度參與擬合。業內管這叫光學常數預標定，是多層膜解譜里有效的降維手段。
        

4. 擬合策略：從局部優跳到全局

4.1 最小二乘法能干活，但不夠

            擬合的數學目標是最小化均方誤差：
        

MSE = (1/N) · Σ [R
meas
(λ?) ? R
calc
(λ?, p?, p?, ..., p
m
)]2

            p?...pm 是待擬合的參數——各層厚度加上色散參數。
        

薄膜擬合常用的是 Levenberg-Marquardt（LM）算法。它在遠離優點時像梯度下降，穩；靠近優點時像 Gauss-Newton，快。但 LM 有一個硬傷：它只能找到離你給的初始值最近的那個局部優，不保證是全局優。

4.2 多層膜的 MSE 地形有多復雜

多層膜的 MSE 在參數空間里有大量局部極小值。舉個例子，兩層膜如果折射率相近（像 SiO?/SiNx），你把第一層加厚一點、第二層減薄一點，總光學厚度可能互相抵消，反射光譜看起來差不多，這就是參數耦合。
        

參數耦合讓 MSE 空間里形成很多淺而長的溝壑。沿著溝壑方向 MSE 變化很小，LM 算法在里面走不動，精度大打折扣。
        

4.3 需要全局搜索的時候

實際推薦 DE + LM 兩步走。先用差分進化在寬范圍里跑一輪全局搜索，拿到一個接近全局優的粗解；然后把這個粗解丟給 LM 做精修。在 5-8 層膜的典型場景下，這套組合拳可以把收斂成功率從 30-50% 拉到 90% 以上。Filmetrics 軟件里的自動擬合模式，邏輯跟這個類似。
        

4.4 光看 MSE 不夠

MSE 低不代表解對了。還需要檢查幾件事：
        

·       殘差圖：實測減擬合，看殘差隨波長的分布。如果殘差是系統性的波動而不是隨機噪聲，模型可能漏掉了什么——比如沒建模的界面層或者色散模型不對。
                

·       參數敏感性：把某個參數改 ±5%，光譜變化大不大？如果幾乎不變，這個參數沒被光譜約束，擬合出來的值不可靠。
                

·       物理合理性：擬合出的折射率在那個材料的正常范圍里嗎？厚度是正的嗎？如果跑出 d = ?3 nm，MSE 再小也是錯的。
                

·       參數相關性：兩個參數的相關性系數超過 0.95，說明它們高度耦合，調一個就能補償另一個。這時候應該固定其中一個（比如預先標定好光學常數）。
                

5. 層數陷阱：為什么30層比10層難100倍

5.1 不是參數多，是信息不夠

很多人以為多層膜解譜難是因為"層數多了算不動"。算力不是瓶頸，瓶頸在信息量。反射光譜里真正獨立的特征，干涉峰、谷、拐點。數量是有限的，并不隨層數增加而增加。

380-1050 nm 波段內，一條典型反射光譜大約有 5-15 個明顯的干涉振蕩周期，每個周期大約能約束 1-2 個獨立參數。所以光譜能可靠提取的參數上限大概在 10-30 個。一旦你的自由參數超過這個數，光譜就開始"不夠用了"。
        

            30 層以上的高反膜或濾光片，僅靠垂直入射反射光譜做逐層解譜，不是因為算法不好，是因為信息根本不夠。這時候需要引入額外信息：橢偏儀的 Ψ+Δ 雙通道、多角度反射、或者利用膜系的周期性結構減少自由參數。
        

5.2 規整膜系是例外

有一個重要的例外，規整膜系，比如 λ/4 高反膜堆疊。拿 (HL)1?H 的 31 層高反膜來說，所有 H 層（Ta?O?）厚度理論上一樣，所有 L 層（SiO?）厚度也一樣。31 層膜實際上只有 2 個厚度參數 + 2 組色散參數 ≈ 8 個自由參數，遠小于 31×3 = 93。利用這個周期性約束，反射光譜可以解。
        

這也解釋了為什么鍍膜工藝監控中，發現成品光譜不對的時候，工程師一般不會去逐層解厚度，而是用等效折射率或整體厚度縮放因子來診斷。
        

6. 實操中管用的幾條經驗

以下幾條是實際工作中反復驗證過的，按優先級排。
        

1. 先標定光學常數，再解厚度

鍍多層膜之前，用同樣工藝先鍍一片單層校準片。拿橢偏儀或反射法 + Cauchy 模型把材料在你設備上的實際 n(λ) 測出來。然后把這個 n(λ) 作為固定參數代入多層膜擬合，只讓厚度參與擬合。這一步減少的參數最多（每層減 2-3 個），對擬合穩定性的提升也明顯。
        

2. 逐層鍍、逐層測

如果工藝允許，每鍍一層就測一次反射光譜。這樣每次面對的都是單層膜 + 已知基底的問題，不用同時擬合多層。退一步，也可以在鍍完 2-3 層后測一次，只擬合最近沉積的層，之前的層作為固定參數。
        

3. 給擬合算法一個好起點

多層膜擬合對初始值非常敏感。初值來源有幾檔：
        

·       QCM 讀數，±5% 的偏差已經夠 LM 收斂到正確解
                

·       鍍膜時間 × 標定速率，更粗糙但能用
                

·       SEM 斷面，破壞性但絕對可靠，適合工藝開發階段建立基準
                

4. 擴展波長范圍

反射光譜的獨立信息量跟波長范圍成正比。標準 380-1050 nm 不夠用的時候，擴到 190-1700 nm（紫外+近紅外）可以把獨立信息量提升 50-100%。紫外區的吸收特征和近紅外區的長周期干涉能提供額外的約束。
        

5. 看殘差形狀，別看殘差值

擬合完了一定要畫殘差圖（實測 ? 擬合 vs 波長）。隨機分布的殘差說明模型沒問題；周期性波動的殘差暗示有沒建模的膜層，比如界面層或表面污染；特定波段殘差突然變大，可能是色散模型在那個波段不適用。
        

6. LM 不收斂就上 DE 開路

LM 反復不收斂或每次結果不一樣，說明初值離全局優太遠。換差分進化跑 100-500 輪全局搜索，把 DE 找到的解作為 LM 的初值。
        

7. 承認解不了，換方法

面對 15+ 層、非規整、各層材料光學常數相近的多層膜，而且沒有預標定的光學常數，垂直入射反射法大概率解不出來。別強行擬合，那只會得到一個數學上但物理上錯的答案。考慮換橢偏儀（雙通道信息）、做多角度反射、或者直接上截面 SEM/TEM。
        

7. 橢偏儀還是反射法？看層數選

這是被問到最多的問題之一。直接給結論。
        

光譜反射法（SR）

多層膜場景中的表現：

·       速度快（＜1秒/點），適合 Mapping
                        

·       光路簡單，對振動和樣品位置不敏感
                        

·       1-5 層膜且光學常數已知，精度夠
                        

·       6-10 層膜需要預標定光學常數
                        

·       10+ 層非規整膜系信息量不夠
                        

·       超薄膜（＜10 nm）信號弱
                        

光譜橢偏儀（SE）

多層膜場景中的表現：

·       Psi + Delta 雙通道，信息量翻倍
                        

·       同時獲得 n/k 和厚度

·       超薄膜靈敏（＜1 nm 可測）
                        

·       10-30 層膜系仍有解析能力
                        

·       速度較慢（2-30秒/點）
                        

·       光路復雜，需要精確對焦和角度校準
                        

按層數選：

·       ≤ 5 層，光學常數已知 → 反射法，快且夠用
                

·       ≤ 5 層，光學常數未知 → 橢偏儀，同時解 n/k 和厚度
                

·       6-15 層 → 橢偏儀優先；反射法只在光學常數已預標定且有合理初值時可用
                

·       15-30 層（規整膜系）→ 橢偏儀，利用周期性約束減參數
                

·       15-30 層（非規整）→ 橢偏儀 + 多角度測量，反射法不推薦
                

·       30+ 層 → 單一方法都不夠，多方法聯合（截面分析 + 光學方法交叉驗證）
                

2026 年 7 月儀器信息網上有一篇實測對比值得參考：Si 襯底上的 SiO? 和 Al?O? 薄膜（10 nm - 2000 nm），橢偏儀和反射儀的結果在所有樣品上一致，偏差都在各自的不確定度范圍內。但橢偏儀在薄層（＜500 nm）上不確定度更低，反射儀在 1000 nm 以上的厚膜上反而占優。
        

8. 總結

多層膜反射光譜解譜本質上是一個信息量管理問題，不是調參技巧問題。自由參數隨層數線性增長，但光譜中獨立信息量增長緩慢，兩條線的交叉點就是你能解的層數上限。
        

解決思路分三個方向：
        

·       減參數：用色散模型把光學常數壓縮到 3-6 個參數；做好光學常數預標定，干脆不讓色散參數參與擬合；利用規整膜系的周期性把 N 層膜的獨立厚度參數壓縮到 2-3 個。
                

·       換算法：DE + LM 兩步走，全局搜索打頭陣，局部精修收尾；合理設參數邊界（厚度 > 0、折射率在物理合理范圍內）；能用解析梯度就不用數值差分。
                

·       加信息：擴展波長范圍（UV → NIR）；增加測量角度；上橢偏儀拿雙通道數據；逐層沉積逐層測量。
                

比會解更重要的是知道什么時候解不了。15 層非規整膜系 + 未知光學常數 + 一條垂直入射反射光譜，信息根本不夠。這時候強行擬合出來的 MSE=0.001，只能說明過擬合了。
        

日常工作中的投入是：花半天時間，給每種鍍膜材料建一個工藝-光學常數數據庫。鍍一片單層校準片，做一次橢偏儀測量，這個數據以后每次多層膜擬合都能用。它把"幾乎不可解"變成了"可靠可解"。
 
參考來源：Kim et al., "A Review of Thin-film Thickness Measurements using Optical Methods", Int. J. Precis. Eng. Manuf. (2024)；KRISS 多層膜測量不確定度評估方法研究 (2025)；復享光學 MetronFilm 33層復合多層膜實測案例 (2025)；Horiba Cauchy & Sellmeier Dispersion Technical Notes；J.A. Woollam Ellipsometry Tutorial — Optical Constants；儀器信息網《納米級測厚：光譜反射與橢圓偏振》(2026)；Flexfilm 全光譜橢偏儀技術綜述 (2025)。