JP2023043471A - 処理装置、光学装置、製造装置、処理方法、及びプログラム - Google Patents

Abstract

【課題】光の偏向に基づいて物体の情報を汎用的に取得できる光学処理装置、処理方法及びプログラムを提供すること。
【解決手段】実施形態によれば、処理装置は演算部を具備する。演算部は、光線経路を示す光線データを推定モデルに入力して算出される推定出力、光線データ及び推定出力に基づいて算出される更新出力、及び、光線経路に従う時間に依存しない光線方程式から算出した、推定モデルの評価指標に基づいて、光線経路を形成する屈折率分布を算出する。
【選択図】図３

Description

本発明の実施形態は、処理装置、光学装置、製造装置、処理方法、及びプログラムに関する。

様々な産業において、物体の情報を取得する検査が実施されている。当該検査では、物体又は媒体に光を入射させ、光の入射方向に対する光の進行方向の変化（偏向）を取得する。そして、光の偏向を解析することにより、物体の情報を取得する。このような方法により物体の情報が取得できる場合は、光線経路を数式として定式化でき、かつ、物体情報を光線経路から解析的に逆計算できるときに限られている。そこで、光線経路に基づいて物体の情報を取得する方法を汎用的に使用できる技術が求められている。

Applied Optics, (米), 1984, Vol. 23, No. 14, p. 2449－2460 Applied Optics, (米), 2018，Vol. 57, No. 30，p. 9062－9069 Optics Letters, (米), 2021, Vol. 46. No. 17, p. 4116-4119 Journal of the Optical Society of America A, (米), 2020, Vol. 37, No. 3, p.411-416 OSA Continuum, (米), 2021, Vol. 4, No. 3, p. 840-848

本発明が解決しようとする課題は、光線経路に基づいて物体の情報を汎用的に取得できる処理装置、光学装置、製造装置、処理方法、及びプログラムを提供することである。

実施形態によれば、処理装置は演算部を具備する。演算部は、光線経路を示す光線データを推定モデルに入力して算出される推定出力、光線データ及び推定出力に基づいて算出される更新出力、及び、光線経路に従う時間に依存しない光線方程式から算出した、推定モデルの評価指標に基づいて、光線経路を形成する屈折率分布を算出する。

図１は、第１の実施形態に係る処理装置の構成の一例を示す図である。 図２は、第１の実施形態に係る屈折率の算出方法において用いられる離散化された空間について説明する説明図である。 図３は、第１の実施形態に係る屈折率を算出する処理の一例を模式的に示す模式図である。 図４は、第１の実施形態に係る処理装置で実行される屈折率の演算処理の一例を説明するフローチャートである。 図５は、第２の実施形態に係る光学装置の一例を示す概略図である。 図６は、第３の実施形態に係る光学装置の一例を示す概略図である。 図７は、第４の実施形態に係る光学装置の一例を示す概略図である。

以下に、実施の形態について図面を参照しつつ説明する。図面は模式的または概念的なものであり、各部分の厚みと幅との関係、部分間の大きさの比率などは、必ずしも現実のものと同一とは限らない。また、同じ部分を表す場合であっても、図面により互いの寸法や比率が異なって表される場合もある。既出の内容に関して、詳細な説明は適宜省略する。

（第１の実施形態）
図１は、処理装置１０の構成の一例を示す図である。処理装置１０は、例えば、コンピュータである。処理装置１０は、例えば、プロセッサ１０１、記憶媒体１０２、ユーザインタフェース１０３、及び通信モジュール１０４を備える。プロセッサ１０１、記憶媒体１０２、ユーザインタフェース１０３、及び通信モジュール１０４は、互いに対してバス１０５を介して接続される。

プロセッサ１０１は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、マイコン、ＦＰＧＡ（Field Programmable Gate Array）、及び、ＤＳＰ（Digital Signal processor）等のいずれかを含む。記憶媒体１０２には、メモリ等の主記憶装置に加え、補助記憶装置が含まれ得る。

主記憶装置は、非一時的な記憶媒体である。主記憶装置は、例えば、ＨＤＤ（Hard Disk Drive）又はＳＳＤ（Solid State Drive）等の書き込み及び読み出しが随時に可能な不揮発性メモリ、ＲＯＭ（Read Only Memory）等の不揮発性メモリ等である。また、これらの不揮発性メモリが組み合わせて使用されているものであってもよい。補助記憶装置は、有形の記憶媒体である。補助記憶装置は、前述の不揮発性メモリ、ＲＡＭ（Random Access Memory）等の揮発性メモリが組み合わせて使用されるものである。処理装置１０では、プロセッサ１０１及び記憶媒体１０２のそれぞれは、１つのみ設けられてもよく、複数設けられてもよい。

処理装置１０では、プロセッサ１０１は、記憶媒体１０２に記憶されるプログラム等を実行することにより、処理を行う。また、処理装置１０では、プロセッサ１０１によって実行されるプログラムは、インターネット等のネットワークを介して接続されたコンピュータ（サーバ）又はクラウド環境のサーバ等に格納されてもよい。この場合、プロセッサ１０１は、ネットワークを経由でプログラムをダウンロードする。

ユーザインタフェース１０３では、処理装置１０の使用者によって各種の操作等が入力されるとともに、使用者に告知する情報等が表示等によって告知される。ユーザインタフェース１０３は、ディスプレイなどの表示部であったり、タッチパネルやキーボード等の入力部であったりする。なお、入力部として処理装置１０に接続されたデバイスが使用されてもよく、ネットワークを介して通信可能な他の処理装置の入力部が使用されてもよい。

次に、第１の実施形態の処理装置１０で実現される、光の偏向に基づいて物体の情報を取得する機能について説明する。処理装置１０は、演算部２０を備える。演算部２０の機能は、例えば、プロセッサ１０１によって実現される。なお、演算部２０で実行される処理のすべてがプロセッサ１０１によって実行されなくてもよい。ある一例では、ネットワークを介して接続された別の処理装置によって演算部２０で実行される処理の一部が実行されてもよい。別のある一例では、ネットワークを介して接続された別の処理装置によって、演算部２０の機能のすべてが実現されてもよい。このようにネットワークを介して接続された別の処理装置が利用される場合、処理装置１０がプライマリとして機能することで別の処理装置をレプリカとして使用してもよく、処理装置１０が別の処理装置のレプリカとして機能してもよい。処理装置１０は、別の処理装置で実現される演算部２０の機能によって、適宜プライマリ／レプリカを選択することができる。

本実施形態の処理装置１０は、光の偏向に基づいて、物体の情報として屈折率分布を取得する。ここで、光は、波長が限定されない電磁波として定義される。光は、例えば、可視光、Ｘ線、赤外線、遠赤外線、ミリ波、及びマイクロ波等のいずれかであってよい。可視光は、例えば、波長が４３０ｎｍ以上７５０ｎｍ以下である。また、空間において光が伝搬する媒体（空間媒体）を含むあらゆる物体では、屈折率ｎが光の波長に基づいて定められる。ただし、空間媒体は真空であってもよい。また、空間媒体は、光がその中を伝搬する際、光を徐々に吸収するものであってもよい。例えば、真空中では光の屈折率はいずれの波長領域に対しても１であり、空気中でも光の屈折率はいずれの波長領域に対してもほぼ１である。ガラスの屈折率は可視光の波長領域対して約１．５であり、水の屈折率は、可視光の波長領域において約１．３である。

光の屈折率をｎ、光の単位方向ベクトルをＵとすると、光の運動量ベクトルＰは式（１）のように書ける。

このとき、光の位置ベクトルをＱとすると、光の光線方程式は式（２）のように書ける（非特許文献３及び非特許文献４を参照）。

ここで、ｃは真空中の光の速度であり、ｔは時間である。

式（２）において、空間直交座標を（ｘ，ｙ，ｚ）とすると、微少時間要素ｄｔは式（３）のように書ける。

ここで、ｄｚは微小空間要素である。また、ｘ’及びｙ’はｚに対する微分係数であることから、式（４）及び式（５）のように書ける。

マクスウェル方程式から導かれる光の特性から、真空中の光の速度ｃは常に定数であり、時間及び空間位置に依存しない。一方、一般的な物体を考えたとき、速度は時間に依存する。例えばボールを遠方に投げたとき、ボールの速度は時間に依存して徐々に減衰する。つまり、速度ｃが常に一定であることは光の特別な性質である。

式（３）の右辺において、ｘ’及びｙ’はｘ及びｙの空間座標ｚによる微分係数であり、ｄｚは微少空間要素であり、いずれも屈折率ｎは時間に依存しない量である。よって、式（３）において、微少時間要素ｄｔは空間要素のみで記述される。また、式（２）で表される光線方程式に式（１）及び式（３）を代入すると式（６）のように書ける。よって、式（２）で表される光線方程式は、時間に依存しない方程式である。このように光線方程式が、時間ではなく空間座標に対する発展方程式として表せることは、光の特別な性質である。

ここで、３次元位置ベクトルＱを、２次元位置ベクトルｑと空間座標ｚとを用いて、式（７）のように定める。

同様に、３次元単位方向ベクトルＵを、２次元方向ベクトルｕと空間座標ｕ_ｚとを用いて式（８）のように定める。

式（８）において、空間座標ｕ_ｚは、３次元単位方向ベクトルＵの大きさが１であることにより、定まる量である。そのため、空間座標ｕ_ｚは、２次元方向ベクトルｕから式（８）の右辺のように算出される。式（７）及び式（８）を用いると、式（６）は式（９）のように書くことができる。

式（９）からわかるように、光線方程式は、直交座標空間内で定義され、１つの座標変数（ここでは空間座標ｚ）を媒介パラメータとして記述される。

式（９）より、光線経路が定まることで、光線の位置ベクトルｑ、方向ベクトルｕ、及び空間座標ｕ_ｚが決定される。このようにｑ、ｕ、ｕ_ｚが定まると、式（９）における未知数はｎのみである。したがって、屈折率ｎを未知数とする方程式として式（９）を解くことで、光線経路から屈折率ｎを決定することができる。

式（９）から屈折率ｎを求めるため、本実施形態では式（９）を離散化する。すなわち、図２に示すように、空間において格子点（グリッド）を定義し、各格子点における光の位置ベクトルｑ及び方向ベクトルｕを定める。また、各格子点において屈折率ｎを定める。格子点の番号をｉ（ｉは整数）とすると、格子点番号ｉにおける位置ベクトルはｑ_ｉ、方向ベクトルはｕ_ｉ、屈折率はｎ_ｉとする。光線経路を離散化した空間要素の座標は、直交座標空間で定められる。

図３は、屈折率を算出する処理の一例を模式的に示す模式図である。本実施形態の処理装置１０の演算部２０は、前述した式（９）の屈折率ｎを、図３に示す模式図にしたがって算出する。演算部２０は、前述した位置ベクトルｑ_ｉ、方向ベクトルｕ_ｉ、媒介パラメータｚを光線データＤとして扱う。すなわち、光線データＤは、位置ベクトルｑ_ｉ、方向ベクトルｕ_ｉ、媒介パラメータｚを含む。位置ベクトルｑ_ｉ、方向ベクトルｕ_ｉ、媒介パラメータｚは、それぞれ、直交座標空間において定められる座標の１つの成分である。演算部２０は、屈折率ｎ_ｉを算出するため、推定モデルＭを利用する。推定モデルＭは、例えば、ニューラルネットワークモデル（ＮＮモデル）である。ニューラルネットワークモデルは、入力層（input layer）、隠れ層（hidden layer）、出力層（output layer）を備える。演算部２０は、ニューラルネットワークモデルの入力層に光線データＤを入力する。演算部２０は、ニューラルネットワークモデルを利用することにより、光線データＤに基づいて推定出力ＰＲを算出する。演算部２０は、光線データＤ及び現在の推定出力ＰＲに基づいて、更新出力ＵＰとして屈折率ｎ_ｉを算出する。更新出力ＵＰは、例えば、式（１０）により算出される。なお、式（１０）において、ａは推定出力ＰＲであり、ニューラルネットワークモデルから出力される値である。また、ａは、格子点番号ｉごとにそれぞれ定まる量である。そのため、ａはａ_ｉと読み替えてもよい。

演算部２０は、式（１１）に基づいて、評価指標Ｅを算出する。

この評価指標Ｅは、現在の推定出力ＰＲにおいて求められる屈折率ｎ_ｉと、光線データＤを形成する光線経路における実際の屈折率とのずれ（誤差）を表す。すなわち、式（１１）の値が０になると式（９）が成立し、光線データＤを形成する光線経路における実際の屈折率が決定される。本実施形態の演算部２０は、評価指標Ｅを誤差逆伝搬法（back-propagation）に基づいてニューラルネットワークモデルに伝達する。ニューラルネットワークモデルでは、当該評価指標を小さくするように所定の演算が実行される。演算部２０は、再びニューラルネットワークモデルから推定出力ＰＲを取得する。演算部２０は、光線データＤ及び更新された推定出力ＰＲに基づいて、更新出力ＵＰとして更新された屈折率ｎ_ｉを算出する。演算部２０は、評価指標Ｅを再び算出する。演算部２０は、これらの演算を繰り返し実行する。演算部２０は、評価指標Ｅがあらかじめ設定された閾値未満になるまで、これらの演算を実行する。閾値は、例えば、１以下である。このように、演算部２０は、評価指標Ｅに基づいてニューラルネットワークモデル（推定モデル）を反復的に最適化する。以上の処理により、演算部２０は、光線データＤに基づいて、光線データＤを形成する光線経路における屈折率を算出する。

図４は、演算部２０で実行される処理の一例を説明するフローチャートである。演算部２０は、光線データＤを取得する（Ｓ４１）。光線データＤは、処理装置１０に設けられるユーザインタフェースを介して入力されてもよく、通信モジュールを介して外部から取得されてもよい。演算部２０は、光線データＤをニューラルネットワークモデルにおいて処理し（Ｓ４２）、出力として推定出力ＰＲを得る（Ｓ４３）。演算部２０は、推定出力ＰＲに基づいて更新出力ＵＰとしての屈折率を算出する（Ｓ４４）。演算部２０は、式（１１）に基づいて評価指標Ｅを算出する（Ｓ４５）。演算部２０は、算出された評価指標Ｅが所定の閾値未満であるか否かを判定する（Ｓ４６）。評価指標Ｅが所定の閾値以上である場合（Ｓ４６－Ｎｏ）、演算部２０は評価指標Ｅを誤差逆伝搬法によりニューラルネットワークモデルに伝達し、ニューラルネットワークモデルを最適化する（Ｓ４７）。そして、処理はＳ４２に戻り、演算部２０はＳ４３以降の処理を実行する。評価指標Ｅが所定の閾値未満である場合（Ｓ４６－Ｙｅｓ）、入力された光線データＤを形成する光線経路における屈折率が求まったとして、演算部２０は、最終的な更新出力ＵＰを算出した屈折率として出力する（Ｓ４８）。以上のようにして、本実施形態の演算部２０は光線データＤに基づいて屈折率を算出する。

前述のように本実施形態では、処理装置１０は演算部２０を具備する。演算部２０は、光線経路を示す光線データＤを推定モデルＭに入力して算出される推定出力ＰＲ、光線データＤ及び推定出力ＰＲに基づいて算出される更新出力ＵＰ、及び、光線経路が従う、時間に依存しない光線方程式から算出した評価指標Ｅに基づいて、光線経路を形成する屈折率分布を算出する。したがって、本実施形態では、屈折率分布を光線経路から解析的に解くことができない場合であっても、光線方程式が座標の発展方程式として表され、光線経路が座標で決まる情報として扱うことができる。これにより、その光線経路を実現する屈折率を算出することができる。

一方、光線方程式が時間に依存する場合、光線経路の空間座標情報のみから屈折率を算出することができない。つまり、屈折率の算出には、時間発展する光線経路の情報が必要となる。これは、仮に光線方程式が時間に依存するとした場合、その光線方程式を満たすためには、時間に依存する光線経路と、屈折率の情報とが少なくとも必要であることからわかる。このとき、仮に時間に依存しない光線経路と屈折率とで光線方程式が満たされれば、光線方程式が時間に依存しないと言える。これに対し、本実施形態のように光線方程式が空間座標のみに依存する場合、その光線方程式を満たすためには、空間座標に依存する光線経路と屈折率の情報とがあれば十分である。言い換えれば、光線方程式を空間座標の発展方程式として表すことができてはじめて、光線経路の空間座標情報から屈折率が理論上算出できる。よって、本実施形態の処理装置１０では、光線経路に基づいて、物体の情報を汎用的に取得できる。

本実施形態では、光線データＤが、光線経路を離散化した空間要素の座標を媒介パラメータとして表されることが好ましい。このように光線データを離散化して取り扱うことにより、本実施形態の処理装置１０では、式（９）に基づく方程式を数値的に解くことができ、光線経路を解析的に表すことができない場合であっても、光線経路に基づいて物体の情報を汎用的に取得することができる。

本実施形態では、光線方程式が媒介パラメータを用いて表されるとともに、屈折率分布が空間要素の屈折率として算出されることが好ましい。このように光線方程式及び屈折率を表すことにより、光線方程式を数値的に解いた結果に基づいて、屈折率分布を空間要素ごとに算出することができる。したがって、例えば、空間要素の大きさを適切に調整することにより、算出結果に求められる精度を満たす屈折率分布を出力することができる。

本実施形態では、推定モデルがニューラルネットワークモデルであるとともに、ニューラルネットワークモデルが評価指標を誤差として誤差伝搬法に基づいて最適化されることが好ましい。このようにニューラルネットワークモデルを推定モデルとして用いることで、所定の光線経路を形成する屈折率分布を適切に算出することができる。

（第２の実施形態）
図５は、第２の実施形態に係る光学装置の一例を示す概略図である。第２の実施形態に係る光学装置３０は、照明部３１、撮像部３２、処理部３３、及び背景パターン３４を備える。処理部３３は、経路解析部３５及び屈折率算出部３６を備える。本実施形態でも、第１の実施形態と同様に光は電磁波として定義される。照明部３１の光源は、例えば、ＬＥＤ（Light Emitting Device）である。照明部３１は、光（照明光）を背景パターン３４に向けて照射する。撮像部３２は、背景パターン３４で反射された光を撮像し、撮像データを生成する。撮像データは、例えば、モノクロ画像でもよく、ＲＧＢなどの３チャンネルの色を持つカラー画像でもよい。画像は複数の画素を持ち、各画素は例えば０から２５５までの間の画素値を持つ。カラー画像の場合は、各画素において色に対するチャンネルの数に対応する画素値を持つ。処理部３３は、撮像部３２から入力される撮像データに基づいて所定の処理を実行する。処理部３３は、例えばコンピュータであり、第１の実施形態の処理装置１０の構成と同様であってよい。

経路解析部３５は、撮像部３２から入力される撮像データに基づいて、光線経路が算出される。光線経路の算出方法は、例えば、非特許文献２に記載される背景シュリーレン法である。算出された光線経路に基づいて、処理部３３は、第１の実施形態で定義した格子点（ｘ，ｙ，ｚ）のそれぞれにおける、光の位置ベクトルｑ及び方向ベクトルｕを算出する。屈折率算出部３６は、処理部３３が算出した光の位置ベクトルｑ及び方向ベクトルｕに基づいて、光線経路を形成する屈折率分布を算出する。屈折率算出部３６は、第１の実施形態に係る処理装置１０である。すなわち、屈折率算出部３６は、光の位置ベクトルｑ及び方向ベクトルｕを光線データとして推定モデルに入力するとともに第１の実施形態と同様の演算処理を実行することで、各格子点における屈折率ｎ_ｉを算出する。

本実施形態では、撮像部３２と背景パターン３４との間に屈折率分布を算出する媒体（物体）を測定対象Ａとして配置する。媒体は、背景パターン３４で反射される照明部３１の光に対して透明であれば特に限定されるものではない。例えば光が可視光である場合、媒体は、水、ガラス、空気等である。測定対象Ａに温度分布が存在する場合（測定対象Ａの温度が位置によって異なる場合）、温度分布に対応する屈折率分布が測定対象Ａに生じる。本実施形態では、前述のようにして撮像部３２から撮像データが経路解析部３５に入力されることで光線経路が算出され、屈折率算出部３６は、光線経路から求められる光線データに基づいて、光線経路における各格子点の屈折率ｎ_ｉを算出する。よって、本実施形態の光学装置３０を用いることにより、光線経路における屈折率分布を算出することができる。したがって、本実施形態の光学装置３０では、光線経路上に配置される測定対象Ａとしての媒体の屈折率分布を決定することができる。

（第３の実施形態）
図６は、第３の実施形態に係る光学装置の一例を示す概略図である。第３の実施形態に係る光学装置４０は、照明部４１、撮像部４２、及び処理部４３を備える。撮像部４２は、結像光学素子４４、光線選択部４５、及びイメージセンサ４６を備える。処理部４３は、経路解析部４７及び屈折率算出部４８を備える。本実施形態でも、第１の実施形態と同様に光は電磁波として定義される。照明部４１は第２の実施形態の照明部３１と同様の構成であり、処理部４３は第２の実施形態の処理部３３と同様の構成であり、経路解析部４７は第２の実施形態の経路解析部３５と同様の構成であり、屈折率算出部４８は屈折率算出部３６と同様の構成である。そのため、屈折率算出部４８は、第１の実施形態に係る処理装置１０である。本実施形態では、撮像部４２において光が入射する側から順に、結像光学素子４４、光線選択部４５、及びイメージセンサ４６がこの順で配置される。

結像光学素子４４は、撮像部４２に入射した光をイメージセンサ４６上に結像させる。光線選択部４５は、波長の選択領域を備える。光線選択部４５の各選択領域は、例えば、固有の波長領域の光を透過させ、その波長領域から外れる波長領域の光の透過を遮断するカラーフィルタである。本実施形態では、３つの選択領域を備え、各選択領域が光を透過させる波長領域は異なる。よって、各選択領域を透過した光は、選択領域に対する光の入射方向に応じて色分けされる。イメージセンサ４６は、光線選択部４５により光線方向に応じて色分けされた光に基づく撮像データを取得する。

経路解析部４７は、撮像部４２から入力される撮像データに基づいて、光線経路が算出される。光線経路の算出方法は、例えば、非特許文献５に記載される、光線方向をカラーマッピングする手法である。処理部３３は、第２の実施形態と同様にして、光の位置ベクトルｑ及び方向ベクトルｕを算出する。屈折率算出部３６は、光の位置ベクトルｑ及び方向ベクトルｕを光線データとして推定モデルに入力するとともに第１の実施形態と同様の演算処理を実行することで、各格子点における屈折率ｎ_ｉを算出する。

本実施形態では、照明部４１との間に屈折率分布を算出する物体を測定対象Ａとして配置する。物体は、照明部３１の光に対して透明であれば特に限定されるものではない。例えば光が可視光である場合、物体は、ガラス、透明プラスチック、光を透過する薄い金属等である。例えば、測定対象Ａに微小な欠陥ＤＦが存在する場合、この欠陥ＤＦにより、照明部４１から測定対象Ａに照明された光が偏向される。撮像部４２は、前述のようにしてカラーマッピングされた撮像データを取得する。経路解析部４７は、当該撮像データに基づいて、前述の手法等を利用することにより光線経路を算出する。屈折率算出部４８は、光線経路から求められる光線データに基づいて、光線経路における各格子点の屈折率ｎ_ｉを算出する。よって、本実施形態の光学装置３０を用いることにより、光線経路における屈折率分布を算出することができる。したがって、本実施形態の光学装置３０では、測定対象Ａとしての物体の欠陥に起因する屈折率分布（屈折率の空間分布）を取得できる。

ある一例では、本実施形態の光学装置４０を用いて、欠陥が実質的にない測定対象（基準となる測定対象）における屈折率分布（基準となる屈折率分布）を予め測定する。次に、本実施形態の光学装置４０を用いて、検査する測定対象Ａの屈折率分布を測定する。そして、基準となる屈折率分布と検査する測定対象の屈折率分布とを比較することで、検査する測定対象の欠陥が検知できる。

（第４の実施形態）
図７は、第４の実施形態に係る製造装置の一例を示す概略図である。第４の実施形態に係る製造装置５０は、データ生成部５１と、素子作成部５２とを具備する。データ生成部５１は、第１の実施形態の処理装置１０、第２の実施形態の光学装置３０、又は第３の実施形態の光学装置４０のいずれかである。データ生成部５１は、第１の実施形態～第３の実施形態と同様にして、屈折率分布（屈折率分布データ）を生成する。素子作成部５２は、データ生成部５１が生成した屈折率分布に基づいて、光学素子を作成する。すなわち、本実施形態の製造装置では、データ生成部５１に入力データとして所定の光線経路を入力することで、素子作成部５２が、当該光線経路を生成する屈折率分布を有する光学素子を作成する。光学素子の作成方法は、例えば、ガラス加工等である。なお、素子作成部５２がネットワークに接続されている場合、素子作成部５２はネットワークを介して屈折率分布を取得してもよい。

これらの少なくとも一つの実施形態の処理装置１０は、演算部２０を具備する。演算部２０は、光線経路を示す光線データＤを推定モデルＭに入力して算出される推定出力ＰＲ、光線データＤ及び推定出力ＰＲに基づいて算出される更新出力ＵＰ、及び、光線経路に従う時間に依存しない光線方程式から算出した、推定モデルＭの評価指標Ｅに基づいて、光線経路を形成する屈折率分布を算出する。これにより、光線経路に基づいて物体の情報を汎用的に取得できる処理装置、光学装置、処理方法、及びプログラムを提供することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１０…処理装置、２０…演算部、３０，４０…光学装置、３１，４１…照明部、３２，４２…撮像部、３３，４３…処理部、３４…背景パターン、４５…光線選択部、５０…製造装置、５２…素子作成部、Ｄ…光線データ、Ｅ…評価指標、Ｍ…推定モデル、ＰＲ…推定出力、ＵＰ…更新出力。

Claims (13)

1. 光線経路を示す光線データを推定モデルに入力して算出される推定出力、前記光線データ及び前記推定出力に基づいて算出される更新出力、及び、前記光線経路が従う時間に依存しない光線方程式から算出した、前記推定モデルの評価指標に基づいて、前記光線経路を形成する屈折率分布を算出する演算部
   を具備する、処理装置。
2. 前記光線方程式は、光線の空間座標に対する発展方程式である、
   請求項１に記載の処理装置。
3. 前記光線データは、前記光線経路を離散化した空間要素の座標を媒介パラメータとして表される、
   請求項１に記載の処理装置。
4. 前記光線方程式は、前記媒介パラメータを用いて表され、
   前記屈折率分布は、前記空間要素の屈折率として算出される、
   請求項３に記載の処理装置。
5. 前記空間要素の前記座標は、直交座標空間で定められ、
   前記媒介パラメータは、前記直交座標空間において定められる座標の１つの成分である、
   請求項４に記載の処理装置。
6. 前記演算部は、前記評価指標に基づいて前記推定モデルを反復的に最適化する、
   請求項１～５のいずれか１項に記載の処理装置。
7. 前記推定モデルは、ニューラルネットワークモデルであり、
   前記ニューラルネットワークモデルは、前記評価指標を誤差として誤差逆伝搬法に基づいて最適化される、
   請求項６に記載の処理装置。
8. 請求項１に記載の処理装置と、
   前記光線経路を形成する照明光を物体に照明する照明部と、
   前記物体に照明された前記照明光を撮像する撮像部と、
   前記撮像部が撮像した撮像データに基づいて、前記照明光の光線方向を前記光線経路として算出する処理部と、
   を具備する、光学装置。
9. 前記照明部からの前記照明光が照射される背景パターンをさらに具備し、
   前記背景パターンに照射された前記照明光が前記物体を照明する、
   請求項８に記載の光学装置。
10. 複数の選択領域のそれぞれの波長領域に対応した光線を通過させる光線選択部をさらに具備し、
    前記物体に照明された前記照明光は、前記光線選択部を通過した後に撮像される、
    請求項８に記載の光学装置。
11. 請求項１に記載の処理装置が算出した前記屈折率分布に基づいて光学素子を作成する素子作成部を具備する、
    製造装置。
12. 光線経路を示す光線データを推定モデルに入力して推定出力を取得し、
    前記光線データ及び前記推定出力に基づいて更新出力を算出し、
    前記光線経路が従う時間に依存しない光線方程式に基づいて、前記推定モデルの評価指標を算出し、
    前記推定出力、前記更新出力、及び前記評価指標に基づいて、前記光線経路を形成する屈折率分布を算出させる、
    処理方法。
13. コンピュータに、
    光線経路を示す光線データを推定モデルに入力して得られる推定出力、前記光線データ及び前記推定出力に基づいて算出される更新出力、及び、前記光線経路が従う時間に依存しない光線方程式から算出した、前記推定モデルの評価指標に基づいて、前記光線経路を形成する屈折率分布を算出させる、
    プログラム。

Images