Guo, S., Risbridger, D., Robb, D.A., Kong, X., Esser, M.J.D., Chantler, M.J., Carter, R.M., Erden, M.S. “A two-stage learning framework with a beam image dataset for automatic laser resonator alignment.” Pattern Recognition 176 (2026) 113145. https://doi.org/10.1016/j.patcog.2026.113145
光技術は通信、医療診断から精密加工まで幅広い分野を支えており、特に高精度な溶接・切断・積層造形において光共振器の正確な整列が不可欠である。光共振器とは、二枚の鏡の間で光を往復させて増幅させる装置であり、出力される光の形状や強度分布を決定する。近年、機械学習やパターン認識技術が画像認識や意思決定において飛躍的な成果を上げており、光学系への応用も進められている。特に畳み込み神経回路網を用いた高速軸コリメータの配置予測や、深層学習と強化学習を組み合わせた光学整列の研究が報告されている。
しかし、従来の光共振器整列は熟練技術者による手作業や半自動調整に依存しており、複数の相互依存するパラメータの同時最適化が困難であった。また、光共振器整列に特化した大規模な注釈付きデータセットが存在せず、深層学習モデルの訓練・検証データが不足していた。さらに、共振器は複雑な動特性と多峰性挙動を示すため、標準的な強化学習手法の直接適用も困難であった。
そこで、本研究では6000枚以上のビーム形状画像と50万組以上の対画像からなる新規データセットを構築し、二段階深層学習構造を提案した。第一段階では交差注意機構と相関差分モジュールにより粗推定を行い、第二段階では畳み込みゲート付き回帰ユニットによる反復精緻化で残差を補正する。検証実験では、絞り径の平均絶対誤差9.119µm、軸方向位置0.063mm、ヨー・ピッチ変位0.001mm未満を達成した。Gentec社製ビーム形状計測器BEAMAGE-4Mは、各整列状態におけるビーム強度分布の取得に使用された。
※本要約は、オープンアクセス論文（CC BY 4.0）に基づいています。
論文で指定されたGentecのビームプロファイラー
その他の論文要約はGentec論文検索ページをご覧ください。