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，我们提出了一种利用机器学习（人工智能）技术分析 LED 封装并对其进行优化设计的方法。通过机器学习，我们将获得一个高度通用的 LED 封装数学模型，输出重要的光学特性，在此过程中，我们还将同时分析封装结构。为了缩短开发周期，LED封装设计一般采用计算机光线追踪模拟，但设计参数的组合数量巨大，导致模拟时间较长。如果可以使用所提出的方法获得LED封装的替代模型，则可以显着减少仿真所需的时间。以往的研究开发了从白光LED的主要设计参数（发光元件的辐射通量、荧光粉的量）预测光学特性（总光通量、色度）的模型，以及预测总光通量的模型根据荧光粉层的形状，我们成功地获得了一个模型：此外，利用卷积神经网络 (CNN)，我们能够从白光 LED 封装的横截面图像中获得预测白光 LED 亮度（总光通量）的模型。白光 LED 封装的横截面图像包含决定白光 LED 亮度的重要设计信息，例如荧光粉的量和透镜的形状。这一结果表明，在CNN学习横截面图像的过程中，可以从特征图来分析包装结构。为了获得通用性较高的模型，需要包含更广泛设计参数的训练数据，但从实际样本中准备数据很困难，因此我们在计算机上创建了 3D 模型并与它进行了比较，我们成功地训练了一个。使用3D模型的光线追踪模拟作为训练数据建立机器学习模型，并获得训练后的模型。