[論文レビュー] Prompt-to-prescription: towards generative design of diffraction-limited refractive optics

Roy Maman, David Ohana+2 more|arXiv (Cornell University)|Feb 14, 2026

Neural Networks and Reservoir Computing被引用数 0

ひとこと要約

エンドツーエンドのフレームワークで、大規模言語モデル（LLMs）と微分可能なレイトレーシングエンジンを結合し、意味的プロンプトを回折限界の光学処方へ translate します。

ABSTRACT

The design of high-performance optical systems remains a specialized domain gated by the limited availability of expert engineers, creating a bottleneck that stalls innovation despite the growing demand for imaging hardware. While deep learning has improved parameter optimization, it has yet to address the fundamental challenge of conceptualizing valid optical architectures from functional requirements. Here, we present an end-to-end generative framework that couples the semantic reasoning of Large Language Models (LLMs) with a differentiable ray-tracing engine to democratize the synthesis of diffraction-limited optical prescriptions. By treating optical design as a semantic-to-physical translation task, the system autonomously interprets prompts ranging from high-level end-user requests to rigorous technical specifications. We demonstrate the framework's versatility across three distinct regimes: (1) finite-conjugate industrial metrology systems, where the model autonomously enforces application-specific constraints such as telecentricity to achieve diffraction-limited performance; (2) a suite of infrared objectives (NIR, SWIR, and LWIR), demonstrating the framework's ability to synthesize valid topologies and optical prescriptions for non-visible spectral bands, and (3) complex aspheric mobile lenses, where the system successfully navigates the high-dimensional optimization landscape to produce high-resolution designs suitable for modern sensors. Validated against industry-standard simulation tools, these results establish a new paradigm for automated optical engineering, bridging the gap between semantic intent and physical realization.

研究の動機と目的

• 高性能光学システムにおける熟練専門家の不足が設計のボトルネックとなる問題を解決する。
• 機能要件を有効な光学アーキテクチャに翻訳して光学 design を民主化する。
• 意味的意図と物理的実現を橋渡しする semantic-to-physical translation フレームワークを構築する。
• 計測光学、赤外線目的、非球面モバイルレンズなど、異なる分野での適用性を実証する。

提案手法

• 光学設計を semantic-to-physical translation task として扱う。
• 大規模言語モデルと微分可能なレイトレーシングエンジンを結合してエンドツーエンドの合成を行う。
• 高レベルの要求から技術仕様に至るまで、提示を自動的に解釈できる。
• 光学的分解能を回折限界にするため、テレセントリシティなどのアプリケーション固有の制約を適用する。
• 業界標準のシミュレーションツールと生成設計を検証する。
• 有限結像系の計測、赤外線目的（NIR/SWIR/LWIR）、複雑な非球面モバイルレンズという三つの領域を示す。

実験結果

リサーチクエスチョン

• RQ1 フレームワークは、指定された制約の下で回折限性能を満たす有効な光学トポロジを自動的に生成できるか。
• RQ2 システムは非可視スペクトル帯域（NIR/SWIR/LWIR）の光学処方をどれだけうまく合成できるか。
• RQ3 高次元の設計空間を探索して、現代のセンサー用の複雑な非球面レンズを設計できるか。

主な発見

• フレームワークは自動的にテレセントリシティなどの制約を適用して、計測光学における回折限界性能を達成する。
• 赤外スペクトル帯域（NIR、SWIR、LWIR）向けの有効なトポロジと処方を合成できることを示す。
• 高次元の設計風景を自在に探索して高解像度の非球面モバイルレンズ設計を生成できる。
• 生成設計は業界標準のシミュレーションツールと整合し、実用的適用性を支持する。
• このアプローチは意味的意図と物理的実現を結びつけることで、自動化された光学設計の新たなパラダイムを確立する。