程能映射下配光平移群的深度神经网络实现

摘要

以能量控制为目标的非成像光学设计在光电领域有着广泛的应用,由光源、光学器件和目标面三者组成的非成像光学系统可用一个配光方程来描述.给定光源和目标光斑,求解配光方程可得相应的光学表面.如果光源不变而目标光斑仅在目标面上发生移动,此时光学表面就得做出相应的变换,这种变换可由一个配光平移群来刻画.通过引入具有单调性质的光程常数与能量之间的映射关系,并利用深度神经网络拟合构建了配光平移变换群.以均匀方斑为例,利用程能映射之一的支撑椭流面法生成训练样本数据,通过对深度神经网络进行多维度调参和训练,实现配光平移群的学习.光学仿真结果表明深度神经网络对配光平移群表达具有误差小和速度快的优点,在一定程度上实现了非成像光学设计的智能化.