全光谱椭偏仪扫一片薄膜，出来的是 Ψ 和 Δ 两条随波长变化的曲线（有的机型连反射率 R、透射率 T 一起给）。看着信息很多，但你要的答案其实是三个数：折射率 n、消光系数 κ、膜厚 d——本文这三片实测膜的厚度就在 30–40 nm 之间，恰恰是这个量级最容易被“互相顶替”。
两个方程，三个未知数——数学上就注定了不唯一：同一对 (Ψ, Δ)，可以对应好几组 (n, κ, d)[1]。所以几十年来行业里的做法是"猜"：先假定一个色散模型（Cauchy、Sellmeier、Tauc-Lorentz、Drude-Lorentz……），把 n 和 κ 用几个参数"参数化"。这样未知数就压回两个，剩下的只是反复试错拟合初值[1]。代价是靠专家、慢、而且容易收敛到错解——拟合卡住了就得推翻重来。
一句话转述：椭偏仪的瓶颈从来不在"测"，而在"算"。硬件给的是光谱；能不能得到唯一答案，取决于你怎么解那个病态反问题。
本号写过《全光谱椭偏仪在先进封装怎么用》（讲它能无损分出 TSV 铜的凹陷与突出），也写过椭偏从点扫走向整片成像。这篇往回退一步，讲一件更底层的事：为什么"量到 1 nm"之前，得先过"算得出来"这一关。下面的数字都来自一篇用深度学习解椭偏反演的工作[1]。
先把物理摆清楚。光斜射进一层薄膜，会在薄膜上下表面之间来回反射、干涉，最后反射光的偏振态被改变：
这就是椭偏"两个数看穿一层膜"的来源。问题在于：这两个数同时被 n、κ、d 三个量决定，而它们对光谱的影响是纠缠的——膜厚加一点、折射率降一点，很可能给出几乎一样的 Ψ、Δ[1]。
原文的说法很直白：对膜厚未知的膜，Ψ 和 Δ 两个方程"一般不再足以唯一还原三个未知数"，单独一对 (Ψ, Δ) 可能导致多组 (n, κ, d) 解[1]。
于是行业用"补方程"的办法：把 n、κ 按色散模型写成少数几个参数（比如 n 随波长按 Cauchy 形式变化），未知数就从"整条 n(λ)、κ(λ) 曲线"缩成"几个参数 + d"。这就是传统拟合的本质——不是在解方程，是在用先验知识把不定方程变定。
这条路有两个上限：一是模型可能选错（材料不服从该色散形式时，拟合也能"收敛"，只是收敛到错的解）；二是严重依赖人的经验——初值给得不好，拟合就跑到局部极小，得靠人反复改[1]。
既然两个方程不够，最直接的想法是再多测两个量。原文的思路正是这个：除了 (Ψ, Δ)，再把强度型的反射率 R 和透射率 T 一起测、一起分析[1]。
椭偏的两个角度量与辅助强度量：a 光斜射入一层厚度 d、光学常数未知的薄膜（在光学常数已知的基底上），薄膜内的多光束干涉使 p、s 两个偏振分量的反射系数不相等，反射光因此变成椭圆偏振；b 从 (n, κ, d) 正向算出 (Ψ, Δ, R, T) 有成熟解析式（记为 F 与 G），但反过来从 (Ψ, Δ, R, T) 解析求 (n, κ, d) 一般做不到——所以图里 F⁻¹、G⁻¹ 被打了叉，只能靠迭代拟合去数值逼近。（来源：Liu et al. 2021, Fig. 1；许可证：CC BY 4.0）
为什么多测 R、T 有用？因为它们对 n、κ、d 的敏感方式与 Ψ、Δ 不同——原文引用的结论是：补上透射（反射）测量、干涉增强、改变环境等辅助信息，可以把这种数学上的多义性消掉，得到唯一的 (n, κ, d) 解[1]。
但同时分析 (Ψ, Δ, R, T) 反而更难：数据多了，传统拟合的"多参数、多极值"问题被放大，原文的说法是"辅助信息放大了传统技术的弱点，让拟合复杂到不实用"[1]。
这就形成了一个尴尬的夹缝：信息加够了，解法跟不上。
原文给出的解法叫 SUNDIAL，结构其实很好理解——两个神经模块，一个反向猜、一个正向验[1]：
这套流程先离线用大量仿真数据训练（学"椭偏这件事的领域知识"），再在真实数据上迭代推理[1]。原文特别强调，这套东西设计成不需要专家介入、全自动、单次点击就能出结果。
验证用了三类材料——金属（Au）、介质（TiO₂）、半导体（Si），都镀在熔融石英基底上（热蒸发、溅射、PECVD 制备）[1]。
三种材料的反演结果：a、b 是实测的 Ψ、Δ 与 R、T 光谱（空心圆）与 SUNDIAL 用反演出的 (n, κ, d) 正向生成的谱（实线），两者高度重合；c 是反演出的 n、κ 色散曲线，三片膜的厚度分别为 30.36 nm（Au）、31.73 nm（TiO₂）、38.61 nm（Si），横轴 500–1000 nm。注意 Au 的 κ 随波长上升、n 在 500 nm 附近有拐点，这是金属的典型行为。（来源：Liu et al. 2021, Fig. 3；许可证：CC BY 4.0）
反演结果：
|
|
|
|---|---|
|
|
30.36 nm |
|
|
31.73 nm |
|
|
38.61 nm |
原文用残差与均方根误差（RMSE）来衡量"模型谱 vs 实测谱"的贴合程度。结论是：与传统拟合相比，SUNDIAL 在 Ψ、Δ 上表现相当，在 R、T 上的 RMSE 明显更小——而 R、T 正是它比传统方法多用的那部分信息[1]。
这里要如实说明：这套验证的证据是"光谱重构得准"，不是"与另一台仪器比对过"。也就是说，它说明的是反演自洽、唯一且自动，而不是"厚度绝对值被独立标定"。
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
三条边界要说清。第一，验证只有三类材料各一片膜（30–40 nm 级别），多层膜、各向异性膜、超薄膜都没有覆盖，迁移到自己的膜系前必须重新训练/验证。第二，原文自己指出：离线训练用的是大量仿真数据，而仿真"可能与真实椭偏数据有显著偏差"——这正是这类方法的主要风险点，上线前必须用自己的实测谱做闭环验证。第三，反演给出的 30.36/31.73/38.61 nm 是算法结果，不是标准值；要判断绝对值准不准，仍需独立手段（如台阶仪、TEM 截面）做交叉比对。
回头看，椭偏这件事最容易被误解的地方是：大家以为难点在"仪器能不能测到 1 nm 的变化"，其实难点在于"从光谱到答案"这一步有没有唯一解。硬件负责把光谱测干净，算法负责把病态问题解成定解——两头都到位，"量到 1 nm"才成立。全光谱椭偏仪这类硬件已经就位（原文也强调该方法是"与现有椭偏仪兼容"的[1]），真正决定产线效率的，是反演那一段能不能自动、无歧义地算完。决定你能不能拿到那个数的，不是仪器分辨率，而是你敢不敢信它的解。
