Study of sarrogate modeling of LED packaging using artificial intelligence

利用人工智能对LED封装进行萨洛格建模的研究

• 批准号: 22K03880
• 负责人: 柏尾 知明
• 金额: $ 2.66万
• 依托单位: Kindai University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2027-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K03880/
• 关键词: 白色LED; パッケージング; サロゲートモデル; 機械学習; ニューラルネットワーク; CNN; 人工知能; 光線追跡シミュレーション; LEDパッケージング; 最適設計

本研究では，機械学習（人工知能）技術を用いてLEDパッケージングを解析し，最適設計する方法を提案する．機械学習によって重要な光学特性を出力とする汎用性の高いLEDパッケージングの数理モデルを獲得し，その過程で，パッケージング構造の解析も同時に行う．開発期間の短縮のため，一般的に計算機上での光線追跡シミュレーションがLEDパッケージング設計に用いられているが，設計パラメータの組み合わせの数が膨大となり，シミュレーションに長い時間がかかっている．提案手法によってLEDパッケージングのサロゲート（代理）モデルを得ることができれば，シミュレーションにかかる時間を大幅に短縮することができる．これまでの研究では，白色LEDの主な設計パラメータ（発光素子の放射束，蛍光体量）から光学特性（全光束，色度）を予測するモデルと，蛍光体層の形状から全光束を予測するモデルを得ることに成功した．また，Convolutional Neural Network (CNN)を用いて，白色LEDパッケージングの断面画像からの白色LEDの明るさ（全光束）を予測するモデルを得ることができた．白色LEDパッケージングの断面画像には，蛍光体量やレンズ形状などの白色LEDの明るさを決定する重要な設計情報が含まれている．この結果は，CNNが断面画像を学習する過程における特徴マップから，パッケージングの構造解析が可能であることを示している．汎用性の高いモデルを得るためには，さらに広い範囲の設計パラメータを含む学習データが必要となるが，実サンプルのデータを準備することは難しい，そこで，計算機上で3Dモデルを作成し，それらの3Dモデルの光線追跡シミュレーションを学習データとして機械学習モデルに学習させ，学習済みモデルを得ることに成功した．

在这项研究中，我们提出了一种使用机器学习（人工智能）技术分析和优化LED包装的方法。机器学习已经获得了一种高度通用的LED包装数学模型，该模型可输出重要的光学特性，在此过程中，还可以同时分析包装结构。为了缩短开发期，计算机上的射线追踪模拟通常用于LED包装设计，但是设计参数组合的数量已变得巨大，模拟需要很长时间。如果我们可以使用所提出的方法获得LED包装的替代模型，则可以大大减少模拟所需的时间。先前的研究已经成功地获得了从白色LED的主要设计参数（辐射通量，发光元素的磷光元素量）和一个模型，该模型可预测光学特性（总发光，色度），并预测从磷光器层形状的总发光通量。此外，我们能够获得一个模型，该模型使用卷积神经网络（CNN）预测白色LED包装的横截面图像的白色LED的亮度（总发光通量）。白色LED包装的横截面图像包含重要的设计信息，这些信息确定了白色LED的亮度，例如磷光体和镜头形状的量。该结果表明，在CNN学习横截面图像期间，可以从特征图中对包装的结构分析。要获得高度的模型，需要培训数据，其中包含更广泛的设计参数，但是很难为实际样本准备数据。因此，我们使用这些3D模型的射线跟踪模拟作为训练数据，在计算机，经过训练的机器学习模型上成功创建了3D模型，并获得了训练有素的模型。