JP7841871B2 - 調心方法、調心方法決定装置、及び製造方法 - Google Patents

Description

本発明は、レーザ光源から出力されたレーザ光の光路上に配置されたレンズの調心方法に関する。また、本発明は、そのような調心方法を決定する調心方法決定装置に関する。また、本発明は、そのような調心方法を用いて、レーザ光源とレンズとを備えた光学装置の製造方法に関する。

レーザ光源と、そのレーザ光源から出力されたレーザ光の光路上に配置されたレンズ（コリメートレンズや集光レンズなど）と、を備えた光学装置が広く用いられている。例えば、ファイバレーザに励起光を供給するための励起光源モジュールは、そのような光学装置の一例である。

そのような光学装置においては、レンズを精度良く調心することが重要になる。例えば、コリメートレンズが精度良く調心されていないと、コリメートレンズを透過したレーザ光のビーム幅、ビーム拡がり角、ビーム伝搬角、ビーム対称性、ビーム回転角などの値が設計値から外れ、後段の光学系（例えば光ファイバ）との結合効率が低下する。コリメートレンズの調心方法を開示した文献としては、例えば、特許文献１が挙げられる。

特開２０１９－５０２４２

従来の調心方法は、レンズに対する並進／回転操作を予め定められた順序で実施することにより実現されていた。例えば、並進／回転操作の順序が、（１）ｙ軸を回転軸とする回転、（２）ｙ軸方向への並進、（３）ｚ軸を回転軸とする回転、（４）ｚ軸方向への並進と定められている場合、ｚ軸方向への並進を完了した段階でｙ軸を回転軸とする回転が必要になっても、それを実施することはできない。このため、従来の調心方法においては、予め定められた精度の調心が完了しないという事態が生じるという問題があった。

本発明の一態様は、上記の問題に鑑みてなされたものであり、レンズに対する並進／回転操作を予め定められた順序で実施する従来の調心方法と比較して、予め定められた精度の調心が完了しないという事態が生じ難い調心方法を実現することにある。

本発明の態様１に係る調心方法は、レーザ光源から出力されたレーザ光の光路上に配置されたレンズの調心方法である。本発明の態様１に係る調心方法においては、前記レンズを透過したレーザ光の２次元強度分布を表す一又は複数の画像を生成する生成処理と、前記一又は複数の画像に基づいて、前記レンズを並進する移動方向と移動量との組み合わせ、又は、前記レンズを回転する回転軸と回転量との組み合わせを選択する選択処理と、前記移動方向に前記レンズを前記移動量だけ並進させる、又は、前記回転軸まわりに前記レンズを前記回転量だけ回転させる並進／回転処理と、を含み、前記生成処理、前記選択処理、及び前記並進／回転処理を（含むサイクルを）繰り返すことによって前記レンズを調心する、という形態が採用されている。

上記の形態によれば、各サイクルにおいて、レンズを透過したレーザ光の２次元強度分布を表す一又は複数の画像に基づいて、レンズを並進する移動方向と移動量との組み合わせ、又は、レンズを回転する回転軸と回転量との組み合わせが選択される。したがって、レンズに対する並進／回転操作を予め定められた順序で実施する従来の調心方法と比較して、必要な精度の調心が完了しないという事態が生じ難くなる。

本発明の態様２に係る調心方法においては、態様１の形態に加えて、前記選択処理は、前記一又は複数の画像を入力とし、前記移動方向と前記移動量との組み合わせ、又は、前記回転軸と前記回転量との組み合わせを出力とするニューラルネットワークであって、機械学習により構築されたニューラルネットワークを用いて実行される、という形態が採用されている。

上記の形態によれば、各サイクルにおいて、レンズを並進する移動方向と移動量との組み合わせ、又は、レンズを回転する回転軸と回転量との組み合わせを、レンズを透過したレーザ光の２次元強度分布に応じて適切に選択することができる。したがって、必要な精度の調心が完了しないという事態が生じる確率を更に低下させることができる。

本発明の態様３に係る調心方法においては、態様１の形態に加え、前記選択処理は、前記一又は複数の画像から、前記レンズを透過したレーザ光のビーム特性を表す一又は複数のパラメータを特定する特定工程と、状態として与えられた前記一又は複数のパラメータに応じて、前記移動方向と前記移動量との組み合わせ、又は、前記回転軸と前記回転量との組み合わせを行動として選択する選択工程と、を含み、前記選択工程は、強化学習によって構築された方策関数又は状態行動価値関数に基づいて実行される、という形態が採用されている。

上記の形態によれば、各サイクルにおいて、レンズを並進する移動方向と移動量との組み合わせ、又は、レンズを回転する回転軸と回転量との組み合わせを、レンズを透過したレーザ光のビーム特性に応じて適切に選択することができる。したがって、必要な精度の調心が完了しないという事態が生じる確率を更に低下させることができる。

本発明の態様４に係る調心方法においては、態様３の形態に加えて、前記一又は複数のパラメータは、ビーム強度、ビーム幅、ビーム拡がり角、ビーム伝搬角、ビーム対称性、及びビーム回転角の一部又は全部を含む、という形態が採用されている。

上記の形態によれば、各サイクルにおいて、レンズを並進する移動方向と移動量との組み合わせ、又は、レンズを回転する回転軸と回転量との組み合わせを、レンズを透過したレーザ光のビーム強度、ビーム幅、ビーム拡がり角、ビーム伝搬角、ビーム対称性、及びビーム回転角の一部又は全部に応じて適切に選択することができる。したがって、必要な精度の調心が完了しないという事態が生じる確率を更に低下させることができる。

本発明の態様５に係る調心方法においては、態様１の形態に加えて、前記選択処理は、状態として与えられた前記一又は複数の画像に応じて、行動として出力する前記移動方向と前記移動量との組み合わせ、又は、前記回転軸と前記回転量との組み合わせを行動として選択する処理であり、前記選択処理は、強化学習によって構築された方策関数又は状態行動価値関数に基づいて実行される、という形態が採用されている。

上記の形態によれば、各サイクルにおいて、レンズを並進する移動方向と移動量との組み合わせ、又は、レンズを回転する回転軸と回転量との組み合わせを、レンズを透過したレーザ光のビーム特性に応じて適切に選択することができる。したがって、必要な精度の調心が完了しないという事態が生じる確率を更に低下させることができる。

本発明の態様６に係る調心方法においては、態様１の形態に加えて、前記選択処理は、前記一又は複数の画像を入力とし、前記移動方向と前記移動量との組み合わせ、又は、前記回転軸と前記回転量との組み合わせを出力とするマップであって、強化学習によって構築されたマップを用いて実行される、という形態が採用されている。

上記の形態によれば、レンズの調心作業を繰り返すことによって、レンズの調心精度を向上させる、又は、レンズの調心時間を短縮することができる。

本発明の態様７に係る調心方法おいては、態様６の形態に加えて、前記選択処理は、前記一又は複数の画像から、前記レンズを透過したレーザ光のビーム特性を表す一又は複数のパラメータを特定する特定工程を含み、前記一又は複数のパラメータを入力とするか、又は、前記一又は複数の画像及び前記一又は複数のパラメータを入力とし、前記回転軸と前記回転量との組み合わせを出力とするマップであって、強化学習によって構築されたマップを用いて実行される、という形態が採用されている。

上記の形態によれば、レンズの調心作業を繰り返すことによって、レンズの調心精度を向上させる、又は、レンズの調心時間を短縮することができる。
ことを特徴とする請求項１に記載の調心方法。

本発明の態様８に係る調心方法においては、態様７の形態に加えて、前記一又は複数のパラメータは、ビーム強度、ビーム幅、ビーム拡がり角、ビーム伝搬角、ビーム対称性、ビーム回転角、及びビーム尖度の一部又は全部を含む、という形態が採用されている。

上記の形態によれば、各サイクルにおいて、レンズを並進する移動方向と移動量との組み合わせ、又は、レンズを回転する回転軸と回転量との組み合わせを、レンズを透過したレーザ光のビーム強度、ビーム幅、ビーム拡がり角、ビーム伝搬角、ビーム対称性、ビーム回転角、及びビーム尖度の一部又は全部に応じて適切に選択することができる。したがって、必要な精度の調心が完了しないという事態が生じる確率を更に低下させることができる。

本発明の態様９に係る調心方法においては、態様６又は７の形態に加えて、前記一又は複数のパラメータの一部又は全部は、前記一又は複数の画像を複数の区間に分割したうえで、各区間を参照して算出された複数の値、又は、前記複数の値から算出された単一の値である、という形態が採用されている。

上記の形態によれば、各サイクルにおいて、レンズを並進する移動方向と移動量との組み合わせ、又は、レンズを回転する回転軸と回転量との組み合わせを、レンズを透過したレーザ光の区間毎のビーム特性に応じて更に適切に選択することができる。したがって、必要な精度の調心が完了しないという事態が生じる確率を更に低下させることができる。

本発明の態様１０に係る調心方法においては、態様１～９の何れかの形態に加えて、前記一又は複数の画像は、前記レンズを透過したレーザ光の、異なる位置における２次元強度分布を表す複数の画像である、という形態が採用されている。

上記の構成によれば、単一の画像を参照するだけでは算出することが困難な、ビーム拡がり角やビーム伝搬角などのパラメータの値を、容易に算出することができる。

本発明の態様１１に係る調心方法決定装置は、レーザ光源から出力されたレーザ光の光路上に配置されたレンズの調心方法を決定する調心方法決定装置である。本発明の態様１１に係る調心方法決定装置においては、前記レンズを透過したレーザ光の２次元強度分布を表す一又は複数の画像に基づいて、前記レンズを並進する移動方向と移動量との組み合わせ、又は、前記レンズを回転する回転軸と回転量との組み合わせを選択する選択処理を実行する一又は複数のプロセッサを備えている、という形態が採用されている。

上記の形態によれば、レンズを透過したレーザ光の２次元強度分布を表す一又は複数の画像に基づいて、レンズを並進する移動方向と移動量との組み合わせ、又は、レンズを回転する回転軸と回転量との組み合わせが選択される。したがって、予め定められた順序で並進／回転操作が実施される従来の調心方法と比較して、必要な精度の調心が完了しないという事態が生じ難くなる。

本発明の態様１２に係る製造方法は、レーザ光源と、前記レーザ光源から出力されたレーザ光の光路上に配置されたレンズと、を備えた光学装置の製造方法である。本発明の態様７に係る製造方法においては、態様１～１０の何れかに係る調心方法を用いて前記レンズを調心する工程を含んでいる、という形態が採用されている。

上記の構成によれば、精度良く調心されたレンズを備えた光学装置を、効率良く製造することが可能になる。

本発明の一態様によれば、予め定められた順序で並進／回転操作を実施する従来の調心方法と比較して、必要な精度の調心が完了しないという事態が生じ難い調心方法を実現することができる。

本発明の一実施形態に係る調心方法の適用態様となる光学装置の構成を示す。（ａ）は、光学装置の上面図であり、（ｂ）は、光学装置の側面図である。 本発明の一実施形態に係る調心方法の流れを示すフロー図である。 図２に示す調心方法に含まれる選択処理の第１の具体例を示す模式図である。 図２に示す調心方法に含まれる選択処理の第２の具体例を示す模式図である。 ＣＣＤカメラにて生成された、レンズを透過したレーザ光の２次元強度分布を示す画像である。ビーム幅及びビーム拡がり角を算出する方法を示す。 （ａ）は、第１のＣＣＤカメラにて生成された、レーザ光の２次元強度分布を示す画像であり、（ｂ）は、第２のＣＣＤカメラにて生成された、レーザ光の２次元分布を示す画像である。ビーム伝搬角を算出する方法を示す。 ＣＣＤカメラにて生成された、レンズを透過したレーザ光の２次元強度分布を示す画像である。ビーム回転角及びビーム対称性を算出する方法を示す。 本発明の一実施形態に係る調心方法決定装置の構成を示すブロック図である。 図２に示す調心方法に含まれる選択処理の第１の変形例を示す模式図である。 図２に示す調心方法に含まれる選択処理の第２の変形例を示す模式図である。 図２に示す調心方法に含まれる選択処理の第３の変形例を示す模式図である。 ＣＣＤカメラにて生成された、レンズを透過したレーザ光の２次元強度分布を示す画像である。画像を複数の区間に分割したうえで、各区間を参照してパラメータの値を算出する方法を示す。

（光学装置の構成）
本発明の一実施形態に係る調心方法Ｓ１の適用対象となる光学装置１の構成について、図１を参照して説明する。図１において、（ａ）は、光学装置１の上面図であり、（ｂ）は、光学装置１の側面図である。

光学装置１は、図１に示すように、レーザ光源１１と、レンズ１２と、を備えている。本実施形態においては、レーザ光源１１として、活性層がｚｘ平面と平行に配置され、出射端面がｚ軸正方向を向いたレーザダイオードを用いている。レンズ１２は、レーザ光源１１から出力されるレーザ光の光路上に配置されている。本実施形態においては、レンズ１２として、平坦面（入射面）がｚ軸負方向を向き、湾曲面（出射面）がｚ軸正方向を向き、ｙｚ面に平行な断面のｚ軸正方向側の外縁が円弧を描くように配置されたコリメートレンズ（平凸シリンドリカルレンズ）を用いている。

本実施形態に係る調心方法Ｓ１を実施するために、２つのハーフミラーＭ１，Ｍ２と、３つのＣＣＤカメラＣ１，Ｃ２，Ｃ３と、調心方法決定装置２が利用される。

ハーフミラーＭ１は、レンズ１２を透過したレーザ光の光路上に配置され、ＣＣＤカメラＣ１は、ハーフミラーＭ１にて反射されたレーザ光の光路上に配置される。ＣＣＤカメラＣ１は、入射したレーザ光の２次元強度分布を表す画像Ｉ１を生成すると共に、生成した画像Ｉ１を調心方法決定装置２に提供する。

ハーフミラーＭ２は、ハーフミラーＭ１を透過したレーザ光の光路上に配置され、ＣＣＤカメラＣ２は、ハーフミラーＭ２にて反射されたレーザ光の光路上に配置される。ＣＣＤカメラＣ２は、入射したレーザ光の２次元強度分布を表す画像Ｉ２を生成すると共に、生成した画像Ｉ２を調心方法決定装置２に提供する。

ＣＣＤカメラＣ３は、ハーフミラーＭ２を透過したレーザ光の光路上に配置される。ＣＣＤカメラＣ３は、入射したレーザ光の２次元強度分布を表す画像Ｉ３を生成すると共に、生成した画像Ｉ３を調心方法決定装置２に提供する。

調心方法決定装置２は、画像Ｉ１，Ｉ２，Ｉ３に基づいて、調心手順を決定する。不図示の調心機、又は、不図示の作業者は、調心方法決定装置２が決定した調心手順に従って、レンズ１２を並進又は回転させることによって、レンズ１２の調心を行う。調心方法決定装置２の構成及び動作については、参照する図面を代えて後述する。

（調心方法の流れ）
本発明の一実施形態に係る調心方法Ｓ１について、図２を参照して説明する。図２は、調心方法Ｓ１の流れを示すフロー図である。

調心方法Ｓ１は、図２に示すように、生成処理Ｓ１１と、選択処理Ｓ１２と、並進／回転処理Ｓ１３と、を含んでいる。

生成処理Ｓ１１は、レンズ１２を透過したレーザ光の２次元強度分布を表す一又は複数の画像を生成する処理である。本実施形態において、生成処理Ｓ１１は、ＣＣＤカメラＣ１，Ｃ２，Ｃ３によって実行される。また、本実施形態に係る生成処理Ｓ１１においては、レンズ１２を透過したレーザ光の２次元強度分布を示す３枚の画像Ｉ１，Ｉ２，Ｉ３が生成される。

選択処理Ｓ１２は、生成処理Ｓ１１にて生成された一又は複数の画像に基づいて、レンズ１２を並進する移動方向と移動量との組み合わせ、又は、レンズ１２を回転する回転軸と回転量との組み合わせを選択するための処理である。本実施形態において、選択処理Ｓ１２は、調心方法決定装置２によって実行される。また、本実施形態に係る選択処理Ｓ１２においては、３枚の画像Ｉ１，Ｉ２，Ｉ３に基づいて、下記の６つの組み合わせの何れかが選択される。選択処理の具体例については、参照する図面を代えて後述する。

（１）移動方向＝ｘ軸方向と移動量＝Δｘとの組み合わせ、
（２）移動方向＝ｙ軸方向と移動量＝Δｙとの組み合わせ、
（３）移動方向＝ｚ軸方向と移動量＝Δｚとの組み合わせ、
（４）回転軸＝ｘ軸と回転量（ピッチ角）＝θｘとの組み合わせ、
（５）回転軸＝ｙ軸と回転量（ヨー角）＝θｙとの組み合わせ、
（６）回転軸＝ｚ軸と回転量（ロール角）＝θｚとの組み合わせ。

なお、本実施形態においては、上記の６つの組み合わせの全てを選択処理Ｓ１２における選択候補としているが、本発明は、これに限定されない。すなわち、選択処理Ｓ１２における選択候補は、上記の６つの組み合わせの一部であってもよい。例えば、調整することが不可能な組み合わせ、或いは、調整してもビーム特性が変化しない組み合わせについては、選択処理Ｓ１２における選択候補から除外してもよい。一例として、移動方向＝ｘ軸方向と移動量＝Δｘとの組み合わせ、及び、回転軸＝ｘ軸と回転量（ピッチ角）＝θｘとの組み合わせを除外し、残り４つの組み合わせを選択処理Ｓ１２における選択候補とすることができる。

並進／回転処理Ｓ１３は、選択処理Ｓ１２にて選択された移動方向に選択処理Ｓ１２にて選択された移動量だけレンズ１２を並進させる、又は、選択処理Ｓ１２にて選択された回転軸まわりに選択処理Ｓ１２にて選択された回転量だけレンズ１２を回転させるための処理である。本実施形態において、並進／回転処理Ｓ１３は、調心機又は作業者によって実行される。

生成処理Ｓ１１、選択処理Ｓ１２、並進／回転処理Ｓ１３は、レンズ１２を透過したレーザ光の状態が予め定められた終了条件を充足するまで繰り返される。これにより、例えば、Δｘだけｘ軸方向へ並進→θｙだけｙ軸を回転軸として回転→Δｙだけｙ軸方向へ並進→θｚだけｚ軸を回転軸として回転というように、選択処理Ｓ１２にて選択された並進操作又は回転操作がレンズ１２に対して順次行われ、終了条件を満たす状態が実現される。このため、調心方法Ｓ１によれば、必要な精度の調心が完了しないという事態が生じ難くなる。また、調心方法Ｓ１によれば、無駄な動作をしなくても済むので、調心時間を短縮することができる。

なお、終了条件は、特に限定されない。一例として、レンズ１２を透過したレーザ光が光ファイバに入力される場合を考える。この場合、例えば、レンズ１２を透過したレーザ光の光ファイバへの結合効率が予め定められた閾値を超えるという条件を、終了条件とすることができる。

（選択処理の具体例１）
選択処理Ｓ１２の第１の具体例について、図３を参照して説明する。図３は、選択処理Ｓ１２の第１の具体例を示す模式図である。

本具体例に係る選択処理Ｓ１２は、機械学習（本実施形態においては教師あり学習）により構築されたニューラルネットワークＮを用いて実行される。ここで、ニューラルネットワークＮは、画像Ｉ１，Ｉ２，Ｉ３を入力とし、下記の何れかを出力とするニューラルネットワークである。

（１）移動方向＝ｘ軸方向と移動量＝Δｘとの組み合わせ、
（２）移動方向＝ｙ軸方向と移動量＝Δｙとの組み合わせ、
（３）移動方向＝ｚ軸方向と移動量＝Δｚとの組み合わせ、
（４）回転軸＝ｘ軸と回転量（ピッチ角）＝θｘとの組み合わせ、
（５）回転軸＝ｙ軸と回転量（ヨー角）＝θｙとの組み合わせ、
（６）回転軸＝ｚ軸と回転量（ロール角）＝θｚとの組み合わせ。

移動量Δｘは、予め定められた複数の数値の何れかを取る。例えば、０．１ｍｍステップで－１．０ｍｍから＋１．０ｍｍまでの範囲を考える場合、２１個の数値（－１．０ｍｍ，－０．９ｍｍ，…，－０．２ｍｍ，－０．１ｍｍ，０．０ｍｍ，＋０．１ｍｍ，＋０．２ｍｍ，…，＋０．９ｍｍ，＋１．０ｍｍ）の何れかを取る。移動量Δｙ，Δｚについても同様である。回転角θｘは、予め定められた複数の数値の何れかを取る。例えば、０．１°ステップで－１．０°から＋１．０°までの範囲を考える場合、２１個の数値（－１．０°，－０．９°，…，－０．２°，－０．１°，０．０°，＋０．１°，＋０．２°，…，＋０．９°，＋１．０°）の何れかを取る。回転角θｙ，θｚについても同様である。

なお、上述した例では、ニューラルネットワークＮの出力となるパラメータは、それぞれ、２１個の値を取り得る。しかしながら、各パラメータの取り得る値の数が多いと、それぞれの値に対応する教師データの数が少なくなるので、ニューラルネットワークＮの機械学習が不十分になり、その結果、ニューラルネットワークＮの判定精度が低下する場合がある。このような場合には、各パラメータの取り得る値を５個程度に抑えると良い。一例として、移動量Δｘ，Δｙ，Δｚは、それぞれ、－大（例えば－１．０ｍｍ）、－小（例えば－０．５ｍｍ）、許容範囲（例えば０ｍｍ）、＋小（例えば＋０．５ｍｍ）、＋大（例えば＋１．０ｍｍ）の５つの値を取り得るものとする。また、回転角θｘ，θｙ，θｚは、それぞれ、－大（例えば－１．０°）、－小（例えば－０．５°）、許容範囲（例えば０°）、＋小（例えば＋０．５°）、＋大（例えば＋１．０°）の５つの値を取り得るものとする。

（選択処理の具体例２）
選択処理Ｓ１２の第２の具体例について、図４を参照して説明する。図４は、選択処理Ｓ１２の第２の具体例を示す模式図である。

本具体例に係る選択処理Ｓ１２は、特定工程Ｓ１２１と、選択工程Ｓ１２２と、を含み。特定工程Ｓ１２１は、画像Ｉ１，Ｉ２，Ｉ３から、レンズ１２を透過したレーザ光のビーム特性を表す一又は複数のパラメータの値を特定するための工程である。本具体例においては、ビーム特性を表すパラメータとして、下記のパラメータを用いる。ビーム強度は、例えば、画像Ｉ１、画像Ｉ２、又は画像Ｉ３の中央の画素値（輝度値）から評価することができる。その他のパラメータを画像Ｉ１、画像Ｉ２、又は画像Ｉ３から評価する方法については、参照する図面を代えて後述する。

（１）ビーム強度、
（２）ビーム幅、
（３）ビーム拡がり角、
（４）ビーム伝搬角、
（５）ビーム対称性、
（６）ビーム回転角。

選択工程Ｓ１２２は、特定工程Ｓ１２１にて特定されたパラメータの値から、レンズ１２を並進する移動方向と移動量との組み合わせ、又は、レンズ１２を回転する回転軸と回転量との組み合わせを選択するための工程である。選択工程Ｓ１２２は、特定工程Ｓ１２１にて特定されたパラメータにより規定される状態に応じて、下記の６つの組み合わせの何れかを行動として選択することにより実現される。行動選択は、方策ベースで行ってもよいし、価値ベースで行ってもよい。方策ベースの行動選択は、状態ｓを入力とし、行動ａを出力とする、強化学習により構築された方策関数ａ＝π（ｓ）を用いて行われる。この場合、強化学習のアルゴリズムとしては、例えば、ＤＤＰＧ（Deep Deterministic Policy Gradient）が挙げられる。一方、価値ベースの行動選択は、状態ｓ及び行動ａを入力とし、価値Ｑを出力とする、強化学習により構築された状態行動価値関数Ｑ＝Ｑ（ｓ，ａ）を用いて行われる。この場合、強化学習のアルゴリズムとしては、ＤＤＰＧ（Deep Deterministic Policy Gradient）やＤＱＮ（Deep Q-Network）などを用いることができる。

（１）移動方向＝ｘ軸方向と移動量＝Δｘとの組み合わせ、
（２）移動方向＝ｙ軸方向と移動量＝Δｙとの組み合わせ、
（３）移動方向＝ｚ軸方向と移動量＝Δｚとの組み合わせ、
（４）回転軸＝ｘ軸と回転量（ピッチ角）＝θｘとの組み合わせ、
（５）回転軸＝ｙ軸と回転量（ヨー角）＝θｙとの組み合わせ、
（６）回転軸＝ｚ軸と回転量（ロール角）＝θｚとの組み合わせ。

なお、方策関数ａ＝π（ｓ）の強化学習おける報酬は、特に限定されない。一例として、レンズ１２を透過したレーザ光が光ファイバに入力される場合を考える。この場合、例えば、選択処理Ｓ１２にて選択された並進又は回転を行う前の結合効率ηと選択処理Ｓ１２にて選択された並進又は回転を行った後の結合効率ηとの差（結合効率ηの増加量）を報酬とすることができる。また、状態行動価値関数Ｑ（ｓ，ａ）は、特に限定されない。一例として、レンズ１２を透過したレーザ光が光ファイバに入力される場合を考える。この場合、例えば、終了条件を充足するまでの生成処理Ｓ１１、選択処理Ｓ１２、及び並進／回転処理Ｓ１３の繰り返し回数が少なくなるほど値が大きくなる状態行動価値関数Ｑ（ｓ，ａ）、或いは、終了条件を充足したときの結合効率ηが大きくなるほど値が大きくなる状態行動価値関数Ｑ（ｓ，ａ）を用いればよい。

また、本具体例では、ビーム特性を表すパラメータを状態とし、状態に応じた行動を選択する構成を採用しているが、これに限定されない。例えば、画像Ｉ１、画像Ｉ２、画像Ｉ３を状態とし、状態に応じた行動を選択する構成を採用してもよい。この場合、選択処理Ｓ１２においては、特定工程Ｓ１２１を省略することができる。すなわち、画像Ｉ１，Ｉ２，Ｉ３から各種パラメータを算出することなく、画像Ｉ１，Ｉ２，Ｉ３からレンズ１２を並進する移動方向と移動量との組み合わせ、又は、レンズ１２を回転する回転軸と回転量との組み合わせを直接導出することになる。

（パラメータの算出方法）
上述した各種パラメータの算出方法について、図５～図７を参照して補足する。図５～図７は、それぞれ、レンズ１２を透過したレーザビームの２次元強度分布を表す画像である。これらの画像において、白い領域は、強度がピーク強度の予め定められた割合（例えば５０％）以上である領域であり、黒い領域は、強度がピーク強度の予め定められた割合（例えば、５０％）未満である領域である。

ビーム幅としては、Ｆ軸（Fast軸）方向のビーム幅と、Ｓ軸（Slow軸）方向のビーム幅と、が挙げられる。

Ｆ軸方向のビーム幅は、例えば、以下のように算出することができる。すなわち、図５に示すように、レンズ１２を透過したレーザビームの２次元強度分布ｆ（ｘ，ｙ）をｘ軸方向に積分することによって１次元強度分布ｇ（ｙ）＝∫ｆ（ｘ，ｙ）ｄｘを得る。次に、１次元強度分布ｇ（ｙ）の値がピーク値ｍａｘ［ｇ（ｙ）〕の予め定められた割合（例えば５０％）以下となるｙ軸上の区間Ｉｙを特定する。そして、区間Ｉｙの長さを、Ｆ軸方向のビーム幅とする。なお、Ｆ軸方向のビーム幅を算出するために参照する画像は、上述した画像Ｉ１，Ｉ２，Ｉ３の何れであってもよい。

Ｓ軸方向のビーム幅は、例えば、以下のように算出することができる。すなわち、図５に示すように、レンズ１２を透過したレーザビームの２次元強度分布ｆ（ｘ，ｙ）をｙ軸方向に積分することによって１次元強度分布ｈ（ｘ）＝∫ｆ（ｘ，ｙ）ｄｙを得る。次に、１次元強度分布ｈ（ｘ）の値がピーク値ｍａｘ［ｈ（ｘ）〕の予め定められた割合（例えば５０％）以下となるｘ軸上の区間Ｉｘを特定する。そして、区間Ｉｘの長さを、Ｓ軸方向のビーム幅とする。なお、Ｓ軸方向のビーム幅を算出するために参照する画像は、上述した画像Ｉ１，Ｉ２，Ｉ３の何れであってもよい。

ビーム拡がり角としては、Ｆ軸方向のビーム拡がり角と、Ｓ軸方向のビーム拡がり角と、が挙げられる。

Ｆ軸方向のビーム拡がり角は、例えば、以下のように算出することができる。すなわち、ＣＣＤカメラＣ１により生成された画像Ｉ１に基づいてＦ軸方向のビーム幅（以下、ビーム幅Ｆ１と記載する）を算出する。次に、ＣＣＤカメラＣ２により生成された画像Ｉ２に基づいてＦ軸方向のビーム幅（以下、ビーム幅Ｆ２と記載する）を算出する。そして、Ｆ軸方向のビーム拡がり角を、Ａｒｃｔａｎ［（ビーム幅Ｆ２－ビーム幅Ｆ１）／ｄ１２］に従って算出する。ここで、ｄ１２は、ＣＣＤカメラＣ１とＣＣＤカメラＣ２との距離である。

Ｓ軸方向のビーム拡がり角は、例えば、以下のように算出することができる。すなわち、ＣＣＤカメラＣ１により生成された画像Ｉ１に基づいてＳ軸方向のビーム幅（以下、ビーム幅Ｓ１と記載する）を算出する。次に、ＣＣＤカメラＣ２により生成された画像Ｉ２に基づいてＳ軸方向のビーム幅（以下、ビーム幅Ｓ２と記載する）を算出する。そして、Ｓ軸方向のビーム拡がり角を、Ａｒｃｔａｎ［（ビーム幅Ｓ２－ビーム幅Ｓ１）／ｄ１２］に従って算出する。ここで、ｄ１２は、ＣＣＤカメラＣ１とＣＣＤカメラＣ２との距離である。

ビーム伝搬角は、例えば、以下のように算出することができる。すなわち、ＣＣＤカメラＣ１により生成された画像Ｉ１に基づいてビーム中心の座標（ｘｃ１，ｙｃ１）を求める。具体的には、図６の（ａ）に示すように、Ｓ軸方向のビーム幅を求めるために用いた区間Ｉｘの中心の座標を、ビーム中心のｘ座標ｘｃ１とし、Ｆ軸方向のビーム幅を求めるために用いた区間Ｉｙの中心の座標を、ビーム中心のｙ座標ｙｃ１とする。次に、ＣＣＤカメラＣ２により生成された画像Ｉ２に基づいてビーム中心の座標（ｘｃ２，ｙｃ２）を求める。具体的には、図６の（ｂ）に示すように、Ｓ軸方向のビーム幅を求めるために用いた区間Ｉｘの中心の座標を、ビーム中心のｘ座標ｘｃ２とし、Ｆ軸方向のビーム幅を求めるために用いた区間Ｉｙの中心の座標を、ビーム中心のｙ座標ｙｃ２とする。そして、これら２つの中心座標（ｘｃ１，ｙｃ１），（ｘｃ２，ｙｃ２）及びＣＣＤカメラＣ１とＣＣＤカメラＣ２との距離ｄ１２から、ビーム伝搬角を求める。

ビーム回転角は、例えば、以下のように算出することができる。すなわち、図７に示すように、Ｓ軸方向のビーム幅を求めるために用いた区間Ｉｘの端点のｘ座標をｘａ，ｘｂとする。次に、図７に示すように、ｘａとｘｂとを予め定められた第１の比率（例えば１：９）に内分するｘｃと、ｘａとｘｂとを予め定められた第２の比率（例えば９：１）に内分するｘｄとを求める。ここで、第１の比率は、比の値が１よりも小さくなる比率であり、第２の比率は、比の値が１よりも大きくなる比率である。このため、ｘｃは、ｘａとｘｂとの中点よりもｘａに近くなり、ｘｄは、ｘａとｘｂとの中点よりもｘｂに近くなる。次に、図７に示すように、直線ｘ＝ｘｃ上の２次元強度分布ｆ（ｙ，ｘｃ）において、ｆ（ｙ，ｘｃ）の値がピーク値ｍａｘ［ｆ（ｙ，ｘｃ）〕の予め定められた割合（例えば５０％）以下となる区間Ｉｃの中心点の座標（ｘｃ，ｙｃ）を求める。次に、図７に示すように、直線ｘ＝ｘｄ上の２次元強度分布ｆ（ｙ，ｘｄ）において、ｆ（ｙ，ｘｄ）の値がピーク値ｍａｘ［ｆ（ｙ，ｘｄ）］の予め定められた割合（例えば５０％）以下となる区間Ｉｄの中心点の座標（ｘｄ，ｙｄ）を求める。最後に、図７に示すように、点（ｘｃ，ｙｃ）と点（ｘｄ，ｙｄ）とを通る直線のｘ軸と平行な直線に対する回転角θをビーム回転角とする。なお、ビーム回転角を算出するために参照する画像は、上述した画像Ｉ１，Ｉ２，Ｉ３の何れであってもよい。

ビーム対称性としては、ビーム幅左右比と、ビーム幅上下比と、が挙げられる。

ビーム幅左右比は、例えば、以下のように算出することができる。すなわち、ビーム回転角を求めるために用いた区間Ｉｄの長さ｜Ｉｄ｜に対する、ビーム回転角を求めるために用いた区間Ｉｃの長さ｜Ｉｃ｜の比｜Ｉｃ｜／｜Ｉｄ｜を、ビーム幅左右比とする。ビーム幅上下比は、ビーム幅左右比を同様の方法で算出することができる。

（調心方法決定装置の構成）
本発明の一実施形態に係る調心方法決定装置２の構成について、図８を参照して説明する。図８は、調心方法決定装置２の構成を示すブロック図である。

調心方法決定装置２は、図８に示すように、メモリ２１と、プロセッサ２２と、ストレージ２３と、を備えている。メモリ２１、プロセッサ２２、及びストレージ２３は、不図示のバスを介して互いに接続されている。このバスには、更に、不図示の入出力インタフェース、及び、不図示の通信インタフェースが接続されていてもよい。この入出力インタフェースは、例えば、外部装置（例えば、ＣＣＤカメラＣ１，Ｃ２，Ｃ３）からデータ（例えば、画像）を取得するため、或いは、調心方法決定装置２から外部装置（例えば、調心装置）に制御信号を出力するために利用される。

メモリ２１は、上述したニューラルネットワークＮ又はポリシーＰを記憶するための構成である。なお、メモリ２１としては、例えば、半導体ＲＡＭ（Random Access Memory）等を用いることができる。

プロセッサ２２は、メモリ２１に記憶されたニューラルネットワークＮ又はポリシーＰを用いて、上述した選択処理Ｓ１２を実行するための構成である。プロセッサ２２としては、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、マイクロプロセッサ、デジタルシグナルプロセッサ、マイクロコントローラ、ＴＰＵ（Tensor Processing Unit）等のＡＳＩＣ（Application Specific Integrated Circuit）又は、これらの組み合わせ等を用いることができる。

ストレージ２３は、上述したニューラルネットワークＮ又はポリシーＰを格納（不揮発保存）するための構成である。プロセッサ２２は、上述した選択処理Ｓ１２を実行する際にストレージ２３に格納されたニューラルネットワークＮ又はポリシーＰをメモリ２１上に展開して利用する。なお、ストレージ２３としては、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、又は、これらの組み合わせ等を用いることができる。

（選択処理の変形例１）
選択処理Ｓ１２の第１の変形例（以下、選択処理Ｓ１２Ａと記載する）について、図９を参照して説明する。図９は、選択処理Ｓ１２Ａの流れを示すフロー図である。

選択処理Ｓ１２Ａにおいては、マップＭ１の強化学習を行う。ここで、マップＭ１は、画像Ｉ１，Ｉ２，Ｉ３を入力とし、下記の６つの行動の組み合わせの何れかを出力とするマップである。マップＭ１として用いるモデルは特に限定されないが、本変形例においてはニューラルネットワークをマップＭ１として用いる。

（１）移動方向＝ｘ軸方向と移動量＝Δｘとの組み合わせ、
（２）移動方向＝ｙ軸方向と移動量＝Δｙとの組み合わせ、
（３）移動方向＝ｚ軸方向と移動量＝Δｚとの組み合わせ、
（４）回転軸＝ｘ軸と回転量（ピッチ角）＝θｘとの組み合わせ、
（５）回転軸＝ｙ軸と回転量（ヨー角）＝θｙとの組み合わせ、
（６）回転軸＝ｚ軸と回転量（ロール角）＝θｚとの組み合わせ。

選択処理Ｓ１２Ａは、算出工程Ｓ１２Ａ１と、更新工程Ｓ１２Ａ２と、選択工程Ｓ１２Ａ３とを含む。算出工程Ｓ１２Ａ１は、画像Ｉ１，Ｉ２，Ｉ３に基づいて、報酬Ｒを算出する工程である。更新工程Ｓ１２Ａ２は、算出工程Ｓ１２Ａ１にて算出された報酬Ｒを最大化するように、マップＭ１を更新する工程である。選択工程Ｓ１２Ａ３は、更新工程Ｓ１２Ａ２にて更新されたマップＭ１を用いて、画像Ｉ１，Ｉ２，Ｉ３から、上記６つの行動の組み合わせの何れかを導出する工程である。報酬Ｒは、例えば、調心完了時の結合効率が大きくなるほど報酬Ｒが大きくなるように、或いは、調心完了までの調心回数が少なくなるほど報酬Ｒが大きくなるように定める。

本変形例によれば、レンズ１２の調心作業を繰り返すことによって、レンズ１２の調心精度を向上させることが可能になる。

（選択処理の変形例２）
選択処理Ｓ１２の第２の変形例（以下、選択処理Ｓ１２Ｂと記載する）について、図１０を参照して説明する。図１０は、選択処理Ｓ１２Ｂの流れを示すフロー図である。

選択処理Ｓ１２Ｂにおいては、マップＭ２の強化学習を行う。ここで、マップＭ２は、レンズ１２を透過したレーザ光のビーム特性を表す下記の７つのパラメータの全部又は一部を入力とし、上述した６つの行動の組み合わせの何れかを出力とするマップである。マップＭ２として用いるモデルは特定に限定されないが、本変形例においてはニューラルネットワークをモデルとして用いる。

（１）ビーム強度、
（２）ビーム幅、
（３）ビーム拡がり角、
（４）ビーム伝搬角、
（５）ビーム対称性、
（６）ビーム回転角、
（７）ビーム尖度。

ここで、ビーム強度、ビーム幅、ビーム拡がり角、ビーム伝搬角、ビーム対称性、ビーム回転角の算出方法は、上述したとおりである。ビーム尖度βは、例えば、図５に示す一次元強度分布ｇ（ｙ）を確率変数Ｘの確率分布と見做し、下記の式に従って算出することができる。下記の式において、μは、確率変数Ｘの平均値であり、E［・］は、・の期待値である。

β＝Ｅ［（Ｘ－μ）^４］／Ｅ［（Ｘ－μ）^２］^２。

選択処理Ｓ１２Ｂは、特定工程Ｓ１２Ｂ０と、算出工程Ｓ１２Ｂ１と、更新工程Ｓ１２Ｂ２と、選択工程Ｓ１２Ｂ３とを含む。特定工程Ｓ１２Ｂ０は、「選択処理の具体例２」と同様、画像Ｉ１，Ｉ２，Ｉ３から、上記の７つのパラメータの全部又は一部を特定するための工程である。算出工程Ｓ１２Ｂ１は、特定工程Ｓ１２Ｂ０にて特定されたパラメータに基づいて、報酬Ｒを算出する工程である。更新工程Ｓ１２Ｂ２は、算出工程Ｓ１２Ｂ１にて算出された報酬Ｒを最大化するように、マップＭ２を更新する工程である。選択工程Ｓ１２Ｂ３は、更新工程Ｓ１２Ｂ２にて更新されたマップＭ２を用いて、特定工程Ｓ１２Ｂ０にて特定されたパラメータから、上記６つ行動の組み合わせの何れかを導出する工程である。

なお、報酬Ｒは、（１）ビーム強度が高いほど報酬Ｒが大きくなるように、（２）ビーム幅が小さいほど報酬Ｒが大きくなるように、（３）ビーム拡がり角が小さいほど報酬Ｒが大きくなるように、（４）ビーム伝搬角が０に近いほど報酬Ｒが大きくなるように、（５）ビーム対称性（ビーム幅左右比及びビーム幅上下比の各々）が１に近いほど報酬Ｒが大きくなるように、（６）ビーム回転角が０に近いほど報酬Ｒが大きくなるように、（７）ビーム尖度が大きいほど報酬Ｒが大きくなるように、定められていることが好ましい。例えば、報酬Ｒとして、以下の式により定義される報酬を用いることができる。ここで、基準ビーム尖度は、予め定められた基準となるビーム尖度であり、基準ビーム幅は、予め定められた基準となるビーム幅である。Ｃは、予め定められた定数であり、例えば、０．１である。Sigmoidは、シグモイド関数を表す。

Ｒ＝Sigmoid（ビーム尖度／基準ビーム尖度）＋（基準ビーム幅－ビーム幅）＋Ｃ。

本変形例によれば、レンズ１２の調心作業を繰り返すことによって、レンズ１２の調心精度を向上させることが可能になる。

また、変形例１のように、画像Ｉ１，Ｉ２，Ｉ３をマップＭ１の入力とする場合、画像Ｉ１，Ｉ２，Ｉ３におけるレーザ光の写り方（ビームの幅、ビームの位置、モアレの強さなど）が変化すると、マップＭ１の出力にその変化の影響が及ぶ。このため、画像Ｉ１，Ｉ２，Ｉ３におけるレーザ光の写り方が変化すると、マップＭ１を再チューニングする必要が生じる。これに対して、本変形例のように、パラメータをマップＭ２の入力とする場合、画像Ｉ１，Ｉ２，Ｉ３におけるレーザ光の写り方の違いは、特定工程１２Ｂ０におけるパラメータ化の過程で吸収される。したがって、画像Ｉ１，Ｉ２，Ｉ３におけるレーザ光の写り方が変化しても、マップＭ２の出力にその変化の影響が及ばない。このため、画像Ｉ１，Ｉ２，Ｉ３におけるレーザ光の写り方が変化しても、マップＭ２を再チューニングする必要が生じない。

（選択処理の変形例３）
選択処理Ｓ１２の第３の変形例（以下、選択処理Ｓ１２Ｃと記載する）について、図１１を参照して説明する。図１１は、選択処理Ｓ１２Ｃの流れを示すフロー図である。

選択処理Ｓ１２Ｃにおいては、マップＭ３の強化学習を行う。ここで、マップＭ３は、画像Ｉ１，Ｉ２，Ｉ３と上述した７つのパラメータの全部又は一部とを入力とし、上述した６つの行動の組み合わせの何れかを出力とするマップである。マップＭ３として用いるモデルは特定に限定されないが、本変形例においてはニューラルネットワークをモデルとして用いる。

選択処理Ｓ１２Ｃは、特定工程Ｓ１２Ｃ０と、算出工程Ｓ１２Ｃ１と、更新工程Ｓ１２Ｃ２と、選択工程Ｓ１２Ｃ３とを含む。特定工程Ｓ１２Ｃ０は、「選択処理の具体例２」と同様、画像Ｉ１，Ｉ２，Ｉ３から、上記７つのパラメータの全部又は一部を特定するための工程である。算出工程Ｓ１２Ｃ１は、画像Ｉ１，Ｉ２，Ｉ３と特定工程Ｓ１２Ｃ０にて特定されたパラメータとに基づいて、報酬Ｒを算出する工程である。更新工程Ｓ１２Ｃ２は、算出工程Ｓ１２Ｃ１にて算出された報酬Ｒを最大化するように、マップＭ３を更新する工程である。選択工程Ｓ１２Ｃ３は、更新工程Ｓ１２Ｃ２にて更新されたマップＭ３を用いて、画像Ｉ１，Ｉ２，Ｉ３と特定工程Ｓ１２Ｃ０にて特定されたパラメータとから、上記６つの行動の組み合わせの何れかを導出する工程である。

本変形例によれば、レンズ１２の調心作業を繰り返すことによって、レンズ１２の調心精度を向上させることが可能になる。

（パラメータの変形例）
ビーム特性を表すパラメータ（ビーム強度、ビーム幅、ビーム拡がり角、ビーム伝搬角、ビーム対称性、ビーム回転角、又はビーム尖度）は、画像全体を参照して算出してもよいし、画像を複数の区間に分割したうえで、各区間を参照して算出してもよい。例えば、図１２には、画像を６つの区間に分割した様子を示している。６つの区間の各々、又は、６つの区間から、両端に位置する２つの区間を除いた４つの区間の各々を参照してパラメータを算出する。

この場合、各区間を参照して算出された複数の値α_ｉをニューラルネットワークＮ又はマップＭ２，Ｍ３の入力としてもよいし、下記の式により定義される単一の値α’をニューラルネットワークＮ又はマップＭ２，Ｍ３の入力としてもよい。下記の式において、αは、画像全体を参照して算出された値である。また、Σは、ｉに渡る和を表す。画像をＮ個の区間に分割する場合、ｉは、１以上Ｎ以下（両端の区間を除かない場合）であってもよいし、２以上Ｎ－１以下（両端の区間を除く場合）であってもよい。

α’＝［Σ（α－α_ｉ）^２］^１／２。

（付記事項）
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。

Ｓ１ 調心方法
Ｓ１１ 生成処理
Ｓ１２ 選択処理
Ｓ１２１ 特定工程
Ｓ１２２ 選択工程
Ｓ１３ 並進／回転処理
１ 光学装置
１１ レーザ光源
１２ レンズ
Ｍ１，Ｍ２ ハーフミラー
Ｃ１，Ｃ２，Ｃ３ ＣＣＤカメラ
Ｎ ニューラルネットワーク
Ｐ ポリシー
２ 調心方法決定装置
２１ メモリ
２２ プロセッサ
２３ ストレージ

Claims (12)

1. レーザ光源から出力されたレーザ光の光路上に配置されたレンズの調心方法であって、
   前記レンズを透過したレーザ光の２次元強度分布を表す一又は複数の画像を生成する生成処理と、
   前記レンズを並進する移動方向と移動量との組み合わせ、及び、前記レンズを回転する回転軸と回転量との組み合わせの全部又は一部を含む複数の選択候補の中から１つの組み合わせを、機械学習によって構築されたモデルであって、前記一又は複数の画像、又は、前記レンズを透過したレーザ光のビーム特性を表す、前記一又は複数の画像から特定した一又は複数のパラメータを入力とし、前記移動方向と前記移動量との組み合わせ、又は、前記回転軸と前記回転量との組み合わせを出力とするモデルを用いて選択する選択処理と、
   前記選択処理にて選択された組み合わせが移動方向と移動量との組み合わせである場合、当該移動方向に前記レンズを当該移動量だけ並進させ、前記選択処理にて選択された組み合わせが回転軸と回転量との組み合わせである場合、当該回転軸まわりに前記レンズを当該回転量だけ回転させる並進／回転処理と、を含み、
   前記モデルは、機械学習により構築されたニューラルネットワーク、強化学習により構築された方策関数若しくは状態行動価値関数、又は、強化学習により構築されたマップであり、
   前記生成処理、前記選択処理、及び前記並進／回転処理を繰り返すことによって前記レンズを調心する、
   ことを特徴とする調心方法。
2. 前記モデルは、前記一又は複数の画像を入力とし、前記移動方向と前記移動量との組み合わせ、又は、前記回転軸と前記回転量との組み合わせを出力とするニューラルネットワークであって、機械学習により構築されたニューラルネットワークである、
   ことを特徴とする請求項１に記載の調心方法。
3. 前記選択処理は、前記一又は複数の画像から、前記一又は複数のパラメータを特定する特定工程を含み、
   前記モデルは、前記一又は複数のパラメータを入力とし、前記移動方向と前記移動量との組み合わせ、又は、前記回転軸と前記回転量との組み合わせを出力とする方策関数又は状態行動価値関数であって、強化学習によって構築された方策関数又は状態行動価値関数である、
   ことを特徴とする請求項１に記載の調心方法。
4. 前記一又は複数のパラメータは、ビーム強度、ビーム幅、ビーム拡がり角、ビーム伝搬角、ビーム対称性、及びビーム回転角の一部又は全部を含む、
   ことを特徴とする請求項３に記載の調心方法。
5. 前記モデルは、前記一又は複数の画像を入力とし、前記移動方向と前記移動量との組み合わせ、又は、前記回転軸と前記回転量との組み合わせを出力とする方策関数又は状態行動価値関数であって、強化学習によって構築された方策関数又は状態行動価値関数である、
   ことを特徴とする請求項１に記載の調心方法。
6. 前記モデルは、前記一又は複数の画像を入力とし、前記移動方向と前記移動量との組み合わせ、又は、前記回転軸と前記回転量との組み合わせを出力とするマップであって、強化学習によって構築されたマップである、
   ことを特徴とする請求項１に記載の調心方法。
7. 前記選択処理は、前記一又は複数の画像から、前記レンズを透過したレーザ光のビーム特性を表す一又は複数のパラメータを特定する特定工程を含み、
   前記モデルは、前記一又は複数のパラメータを入力とするか、又は、前記一又は複数の画像及び前記一又は複数のパラメータを入力とし、前記回転軸と前記回転量との組み合わせを出力とするマップであって、強化学習によって構築されたマップである、
   ことを特徴とする請求項１に記載の調心方法。
8. 前記一又は複数のパラメータは、ビーム強度、ビーム幅、ビーム拡がり角、ビーム伝搬角、ビーム対称性、ビーム回転角、及びビーム尖度の一部又は全部を含む、
   ことを特徴とする請求項７に記載の調心方法。
9. 前記一又は複数のパラメータの全部又は一部は、前記一又は複数の画像を複数の区間に分割したうえで、各区間を参照して算出された複数の値、又は、前記複数の値から算出された単一の値である、
   ことを特徴とする請求項７又は８に記載の調心方法。
10. 前記一又は複数の画像は、前記レンズを透過したレーザ光の、異なる位置における２次元強度分布を表す複数の画像である、
    ことを特徴とする請求項１～９の何れか一項に記載の調心方法。
11. 請求項１～１０の何れか一項に記載の調心方法を実施するために用いられる調心方法決定装置であって、
    前記選択処理を実行する一又は複数のプロセッサを備えている、
    ことを特徴とする調心方法決定装置。
12. レーザ光源と、前記レーザ光源から出力されたレーザ光の光路上に配置されたレンズと、を備えた光学装置の製造方法であって、
    請求項１～１０の何れか一項に記載の調心方法を用いて前記レンズを調心する工程を含んでいる、
    ことを特徴とする製造方法。