Direkte Generierung von Ausgangspunkten für das Design von Freiform-Off-Axis-Dreispiegel-Abbildungssystemen unter Verwendung von auf neuronalen Netzwerken basierendem Deep Learning

In diesem Papier schlagen wir einen Rahmen zur Generierung von Ausgangspunkten für freiformreflektierende Dreiergruppen vor, die auf einem rückpropagierenden, neuronalen Netzwerk basierenden Deep Learning basieren. Das Netzwerk wird mit verschiedenen Systemvorgaben und den entsprechenden Oberflächendaten, die durch die Systementwicklung gewonnen wurden, als Datensatz trainiert. Gute Ausgangspunkte spezifischer Systemvorgaben für weitere Optimierungen können im Allgemeinen sofort mit dem erlernten Netzwerk generiert werden. Die Machbarkeit dieses Designprozesses wird validiert, indem die Wetherell-Konfiguration für die freiform Off-Axis reflektierende Dreiergruppe entworfen wird. Die benötigte Zeit und der menschliche Aufwand sowie die Abhängigkeit von fortgeschrittenen Entwurfskompetenzen werden erheblich reduziert. Diese Ergebnisse heben die leistungsstarke Fähigkeit des Deep Learning im Bereich des optischen Designs mit Freiform-Abbildung hervor.