对AR-HUD使用神经网络的衍射波导的反向设计和均度优化

科学领域:

• 光学和光子学 在光学和光子学.
• 计算机科学 计算机科学
• 材料科学 材料科学 材料科学

背景情况:

• 表面浮雕格子波导是增强现实 (AR) 设备的关键组件,可以实现视觉显示.
• 设计和优化这些波导,特别是在AR头部显示器等大规模应用中,带来了重大的计算挑战.
• 目前的方法难以快速有效地优化,阻碍了先进的AR系统的开发.

研究的目的:

• 提出和验证一种用于优化波导出口瞳孔亮度均性的新方法.
• 为了加快AR设备中使用的表面浮雕格子波导的设计和优化过程.
• 通过提高亮度均性来增强AR头部显示器的视觉性能.

主要方法:

• 利用深度神经网络 (DNN) 来优化波导设计.
• 整合贝叶斯优化和粒子群优化,以提高DNN模型的准确性.
• 应用深度先搜索算法来微调出口瞳孔的统一性.

主要成果:

• 与传统方法相比,实现了40,000的计算加速因子.
• 在优化过程中保持高模型准确度超过97%.
• 显示出出口瞳孔亮度均性的显著改善,达到0.46,比以前的技术提高了44%.

结论:

• 提出的基于深度神经网络的方法为优化波导出口瞳孔亮度均性提供了高效和准确的解决方案.
• 这种方法显著减少了大规模AR波导应用的设计时间和计算成本.
• 增强的统一性导致增强现实头部显示器的视觉质量和性能得到改善.