| 1 |
1
각각 대응되는 캐비티(cavity)에서 생성된 N개(N은 2 이상의 자연수)의 렌즈가 광축을 따라 중첩되도록 조립되는 렌즈모듈의 조립에 있어서,컴퓨팅 시스템이, 각각 상기 N개의 렌즈 사이에 비해 서로 더 높은 동일성을 가지는 복수의 캐비티를 포함하는 N개의 캐비티 그룹에서 형성되는 적어도 N개의 렌즈의 특성 정보를 제공받는 단계; 및상기 컴퓨팅 시스템이, 상기 특성 정보에 기반하여 상기 N개의 캐비티 그룹에서 N개의 캐비티를 선택하는 정보를 처리하는 단계; 를 포함하고,상기 컴퓨팅 시스템은, 상기 선택하는 정보를 처리하는 단계에 의한 과거의 캐비티 선택 결과와, 상기 과거의 캐비티 선택 결과에 따른 N개의 렌즈 또는 조립된 렌즈모듈의 데이터에 기반하여 구성된 적합도 함수와, 유전 알고리즘을 제공받거나 저장하고,상기 선택하는 정보를 처리하는 단계는, 상기 과거의 캐비티 선택 결과에 대응되는 입력 염색체 정보로부터 상기 유전 알고리즘에 기반하여 교배 또는 변이된 출력 염색체 정보와 상기 적합도 함수에 기반하여 염색체 개체 정보를 업데이트하고, 상기 염색체 개체 정보와 상기 특성 정보에 기반하여 N개의 캐비티를 선택하는 정보를 처리하는 것을 특징으로 하는 렌즈모듈 조립 최적화 방법
|
| 2 |
2
제1항에 있어서,상기 유전 알고리즘에 사용되는 염색체 정보는, 각각 N개의 점(point) 정보를 가지는 복수의 유전자(gene) 정보로 구성되거나, 각각 복수의 점 정보를 가지는 N개의 유전자 정보로 구성된 렌즈모듈 조립 최적화 방법
|
| 3 |
3
제2항에 있어서,상기 출력 염색체 정보는 복수의 입력 염색체 정보 간의 점 교차혼합(point crossover) 및 유전자 교차혼합(gene crossover) 중 적어도 하나를 통해 생성된 렌즈모듈 조립 최적화 방법
|
| 4 |
4
제2항에 있어서,상기 염색체 개체 정보의 업데이트는 상기 입력 염색체 정보 또는 상기 출력 염색체 정보에 포함된 복수의 유전자 정보의 양/불 예측 모델에 따른 복수의 값 중 기준값 이상인 값의 개수에 기반하여 수행되는 렌즈모듈 조립 최적화 방법
|
| 5 |
5
제1항에 있어서,상기 N개의 캐비티 그룹 각각은 M개(M은 2 이상의 자연수)의 캐비티를 포함하고,상기 염색체 개체 정보의 업데이트는 상기 N개의 캐비티 그룹에서부터 선택된 M개의 캐비티 선택 결과의 양/불 예측 모델에 따른 복수의 값 중 기준값 이상인 값의 개수에 기반하여 수행되는 렌즈모듈 조립 최적화 방법
|
| 6 |
6
제1항에 있어서,상기 N개의 캐비티 그룹 중 하나에 포함된 복수의 캐비티에 대응되는 복수의 렌즈는 동시에 형성되는 렌즈모듈 조립 최적화 방법
|
| 7 |
7
제1항에 있어서,상기 N개의 렌즈 그룹의 특성 정보는 상기 N개의 렌즈 그룹의 광학적 또는 물리적 측정 정보를 포함하는 렌즈모듈 조립 최적화 방법
|
| 8 |
8
제1항에 있어서,상기 적합도 함수는 상기 과거의 캐비티 선택 결과에 따른 N개의 렌즈 또는 조립된 렌즈모듈의 데이터에 기반하여 반복적으로 업데이트되는 렌즈모듈 조립 최적화 방법
|
| 9 |
9
제1항에 있어서,상기 컴퓨팅 시스템이, 상기 선택하는 정보에 기반하여, 상기 N개의 캐비티에 대응되는 N개의 렌즈가 상기 광축을 따라 중첩되도록 조립될 때의 상기 N개의 렌즈 중 적어도 하나의 상기 광축을 감는 방향으로 회전되는 각도 정보를 처리하는 단계를 더 포함하는 렌즈모듈 조립 최적화 방법
|
| 10 |
10
제9항에 있어서,상기 선택하는 정보를 처리하는 단계에 의해 선택된 N개의 캐비티에 대응되는 N개의 렌즈 각각의 데이터에 기반한 상기 적합도 함수의 업데이트와, 상기 각도 정보를 처리하는 단계에 대응되는 각도로 조립된 렌즈모듈의 데이터에 기반한 상기 적합도 함수의 업데이트를 기계학습 알고리즘에 따라 수행하는 단계를 더 포함하는 렌즈모듈 조립 최적화 방법
|
| 11 |
11
각각 대응되는 캐비티(cavity)에서 생성된 N개(N은 2 이상의 자연수)의 렌즈가 광축을 따라 중첩되도록 조립되는 렌즈모듈의 조립에 있어서,컴퓨팅 시스템이, 각각 상기 N개의 렌즈 사이에 비해 서로 더 높은 동일성을 가지는 복수의 캐비티를 포함하는 N개의 캐비티 그룹에서 생성된 적어도 N개의 렌즈의 특성 정보를 제공받는 단계;상기 컴퓨팅 시스템이, 적합도 함수와 상기 특성 정보에 기반하여 상기 N개의 캐비티 그룹에서 N개의 캐비티를 선택하는 정보를 처리하는 단계; 및상기 컴퓨팅 시스템이, 상기 선택하는 정보에 기반하여, 상기 N개의 캐비티에 대응되는 N개의 렌즈가 상기 광축을 따라 중첩되도록 조립될 때의 상기 N개의 렌즈 중 적어도 하나의 상기 광축을 감는 방향으로 회전되는 각도 정보를 처리하는 단계; 를 포함하고,상기 컴퓨팅 시스템은, 상기 선택하는 정보를 처리하는 단계에 의한 과거의 캐비티 선택 결과와, 상기 과거의 캐비티 선택 결과에 따른 N개의 렌즈 또는 조립된 렌즈모듈의 데이터에 기반하여 구성된 상기 적합도 함수를 제공받거나 저장하고,상기 컴퓨팅 시스템은, 상기 선택하는 정보를 처리하는 단계에 의해 선택된 N개의 캐비티에 대응되는 N개의 렌즈 각각의 데이터에 기반한 상기 적합도 함수의 업데이트와, 상기 각도 정보를 처리하는 단계에 대응되는 각도로 조립된 렌즈모듈의 데이터에 기반한 상기 적합도 함수의 업데이트를 기계학습 알고리즘에 따라 수행하는 것을 특징으로 하는 렌즈모듈 조립 최적화 방법
|
| 12 |
12
제11항에 있어서,상기 각도 정보를 처리하는 단계는, 상기 각도 정보를 처리하는 단계에 대응되는 각도로 조립된 렌즈모듈의 데이터에 기반하여 업데이트되는 회전각도 예측 모델에 상기 선택하는 정보를 적용하여 각도 정보를 처리하는 렌즈모듈 조립 최적화 방법
|
| 13 |
13
제11항에 있어서,상기 N개의 캐비티 그룹 각각은 M개(M은 2 이상의 자연수)의 캐비티를 포함하고,상기 적합도 함수에서 출력되는 적합도 정보는 상기 N개의 캐비티 그룹에서부터 선택된 M개의 캐비티 선택 결과의 양/불 예측 모델에 따른 복수의 값 중 기준값 이상인 값의 개수 정보를 포함하는 렌즈모듈 조립 최적화 방법
|
| 14 |
14
제11항에 있어서,상기 N개의 캐비티 그룹 중 하나에 포함된 복수의 캐비티 각각은 대응되는 복수의 렌즈보다 더 높은 등방성(isotropic)을 가지는 렌즈모듈 조립 최적화 방법
|
| 15 |
15
제11항에 있어서,상기 N개의 캐비티 그룹 중 하나에 포함된 복수의 캐비티는 대응되는 복수의 렌즈가 형성되기 전에 서로 연결된 상태에서 대응되는 복수의 렌즈가 형성된 이후에 서로 분리되는 렌즈모듈 조립 최적화 방법
|
| 16 |
16
제1항 또는 제11항의 렌즈모듈 조립 최적화 방법을 컴퓨팅 시스템이 수행할 수 있도록 기록된 정보를 상기 컴퓨팅 시스템으로 제공하기 위해 상기 컴퓨팅 시스템에 접근할 수 있도록 구성된 기록매체
|
