Ansätze für die Entwicklung von optischen Systemen mittels bestärkenden Lernens

Im Bereich des Optikdesigns etablieren sich neue Methoden der automatisierten Optikauslegung – mit dem Ziel, Designzyklen zu verkürzen oder neuartige, bisher unbekannte, Lösungen zu generieren. Dafür eignen sich Methoden des maschinellen Lernens, wie das bestärkende Lernen (Reinforcement Learning), in welchem ein sogenannter „Agent“ selbstständig optische Systeme auslegt. Dem Agenten stehen dafür Aktionen, wie das Optimieren bestimmter Linsenparameter, das Wenden bzw. der Austausch von Linsen oder das Hinzufügen/Entfernen von Linsen zur Verfügung. Mithilfe einer Zielfunktion wird das Optimierungsziel auf anwendungsspezifische Anforderungen angepasst, wobei der Agent selbstständig die Abbildungsqualität anhand der Seidelschen Aberrationen oder des Wellenfrontfehlers untersucht. In diesem Beitrag wird ein solcher Agent sowie dessen Entwicklungsschritte bis zu einem Beispielsystem vorgestellt. Durch die vom Nutzer festgelegte Zielfunktion ist der Agent in der Lage ein optisches System auszulegen, welches die definierten Anforderungen erfüllt.