Scientific Machine Learning zur Vorhersage von Freiform-Mikrolinsen
- Aalen School of Applied Photonics, Hochschule Aalen
annika [dot] dehm [at] hs-aalen [dot] de
Diese Arbeit präsentiert einen "Scientific Machine Learning" Ansatz zur Vorhersage von elektrisch deformierten Freiform-Mikrolinsen. Ein punktweise arbeitendes Multilayer Perceptron sowie ein sequenzbasiertes 1D-U-Net werden durch weiche und harte Randbedingungen um physikalisches Vorwissen erweitert und vergleichend analysiert.
@inproceedings{dehm2026b18,
author = {Dehm, Annika and Fischer, Lucas and Dohmen, Mike and Heinrich, Andreas},
title = {{Scientific Machine Learning zur Vorhersage von Freiform-Mikrolinsen}},
booktitle = {DGaO-Proceedings 2026},
series = {DGaO-Proceedings},
eventtitle = {127. Jahrestagung der DGaO},
eventdate = {2026-05-27/2026-05-29},
venue = {Hamburg},
publisher = {Deutsche Gesellschaft für angewandte Optik e.V.},
year = {2026},
pages = {B18},
langid = {ngerman},
doi = {10.83229/127-b018},
url = {https://dgao-proceedings.de/paper/127-b18}
}
127. Jahrestagung der DGaO · Hamburg · 2026
DOI: 10.83229/127-b018