Prompt-to-prescription: towards generative design of diffraction-limited refractive optics

本文提出了一种结合大语言模型语义推理与可微光线追迹引擎的端到端生成框架，能够根据从用户需求到技术指标的各种提示词，自主设计并生成涵盖工业计量、红外成像及移动镜头等多种场景的衍射极限折射光学系统。

要点

这篇论文介绍了一项非常酷的技术突破，我们可以把它想象成给光学设计领域装上了一个“自动驾驶”系统。

以前，设计一个能拍出清晰照片的镜头（比如手机摄像头或显微镜），就像是在没有地图的森林里徒步。你需要一位经验丰富的向导（光学工程师），他们脑子里要记住成千上万种复杂的路线（光学结构），还要凭直觉和无数次的试错，才能找到一条能走通的路。这不仅慢，而且只有少数专家能做得来。

这篇论文提出的新方法，叫做"从提示词到处方"（Prompt-to-prescription）。简单来说，就是你只需要用大白话告诉电脑你想要什么，它就能自动帮你设计出一个完美的镜头图纸。

为了让你更容易理解，我们可以用几个生动的比喻来拆解这项技术：

1. 核心角色：一位“博学但需要导航”的 AI 助手

想象你的 AI 助手由两个部分组成：

• 大脑（大语言模型 LLM）：它读过很多书，懂很多光学理论，知道什么是“广角”、什么是“长焦”。但它就像个刚毕业的理论家，虽然懂原理，但让它直接画出具体的图纸，它可能会画出一些现实中根本造不出来的“鬼画符”（比如镜片重叠、厚度为负数）。
• 导航仪（可微分光线追踪引擎）：这是一个严格的物理引擎，就像一位经验丰富的老工匠。它不管你的理论多完美，只关心物理定律：光线能不能穿过？镜片会不会撞在一起？能不能聚焦？

它们是怎么合作的？
这就好比**“创意总监”和“施工队长”**的配合：

1. 创意总监（AI 大脑）：你告诉它“我要一个能拍清楚 0.1 毫米电子元件的镜头，距离大概 10 厘米”。它立刻从它读过的几千个经典镜头图纸（数据库）里，找出几个最像的“老前辈”作为参考，画出一个初稿。
2. 施工队长（物理引擎）：拿着这个初稿，它开始用数学公式进行“微调”。它像是一个不知疲倦的雕刻家，一点点调整镜片的弯曲度、厚度和间距，直到光线完美聚焦，没有任何模糊。

2. 三大挑战与突破（就像闯关游戏）

论文里展示了这个系统通过了三个高难度的关卡：

• 关卡一：工业检测（像给电子零件做“体检”）

  • 任务：用户说“我要拍清楚很小的电子零件，不能变形”。
  • 结果：系统自动设计出了一个对称的镜头结构。虽然它不是完美的“理论极限”，但在实际工业检测中，它能把微小的零件拍得足够清晰，让机器能自动识别瑕疵。这就像给普通相机装上了“微距魔法”。

• 关卡二：红外与热成像（像给眼睛装上“夜视仪”）

  • 任务：设计看不见的红外线镜头（比如用于夜视或热成像）。
  • 结果：这是一个很大的突破。通常这些特殊波段的镜头很难设计，但系统成功设计了近红外、短波红外甚至长波红外（热成像）的镜头。特别是热成像镜头，它自动选用了“锗”这种特殊材料，设计出的镜头在热成像领域达到了极高的清晰度。这就像让 AI 学会了在黑暗中“看”东西。

• 关卡三：手机镜头（像把大楼塞进火柴盒）

  • 任务：设计一个超紧凑的手机镜头，要在极小的空间里塞进 7 片镜片，还要拍得清晰。
  • 挑战：这是最难的一关，因为空间太挤，镜片很容易“打架”（重叠）。
  • 解决方案：系统采用了“分步走”策略。
    • 第一步：先不管镜片形状多复杂，先把它们摆好位置，确保光线能穿过去，不撞车（这叫“几何稳定”）。
    • 第二步：位置固定好了，再开始给镜片“整容”，把表面磨成复杂的非球面，消除模糊。
  • 结果：成功设计出了一个符合现代手机要求的镜头，虽然离完美还有距离，但证明了 AI 能处理这种极高难度的“空间压缩”任务。

3. 为什么这很重要？

• 打破门槛：以前只有少数专家能设计镜头，现在普通人只要会说话（写提示词），就能参与设计。
• 从“找答案”到“造答案”：以前的 AI 只是从数据库里“找”现成的镜头。现在的 AI 能根据新需求，创造出全新的、以前没见过的镜头结构。
• 连接想法与现实：它填补了“我想做什么”（语义）和“物理上怎么做”（现实）之间的鸿沟。

总结

这项研究就像是为光学设计领域发明了一台**“翻译机”**。它把人类模糊的、感性的需求（“我要拍得清楚、要小、要便宜”），瞬间翻译成了精确的、物理上可行的工程图纸。

虽然现在的系统还需要在材料模拟和极端紧凑的设计上继续进化，但它已经证明了：未来的光学设计，不再仅仅是工程师的专属技能，而将变成一种人人可用的创造力工具。就像现在的 AI 能帮你写诗、画画一样，未来它也能帮你设计出一台完美的相机镜头。

技术摘要

论文技术总结：从提示到处方——衍射极限折射光学系统的生成式设计

1. 研究背景与问题 (Problem)

传统光学系统设计高度依赖专家工程师的经验、直觉以及封闭商业软件中的局部数值优化，这一过程迭代繁琐，已成为成像硬件创新的瓶颈。尽管深度学习在参数优化方面有所进展，但现有方法尚未解决从高层功能需求直接构思有效光学架构这一根本挑战。现有的生成式方法要么局限于单个元件的逆向设计，要么与特定的参数化流程紧密耦合，无法直接根据自然语言描述合成完整且物理有效的系统。此外，工业界缺乏一个透明、科学基础扎实且能将“语义意图”与“物理实现”直接关联的框架。

2. 方法论 (Methodology)

本文提出了一种端到端的生成式框架，将大型语言模型（LLM）的语义推理能力与可微光线追迹引擎（Differentiable Ray-Tracing Engine）相结合，实现从自然语言提示到可优化光学处方（Optical Prescription）的自动转换。

核心架构：RAG + 可微物理优化

系统采用**检索增强生成（RAG）**策略，而非简单的监督微调（SFT），以避免模型“幻觉”出非物理设计并保留其广泛的物理推理能力。

1. 语义控制器 (LLM Semantic Controller)：

   • 基于 Claude Sonnet 4.5 构建。
   • 输入：用户的高层自然语言描述（如“设计一个用于电子元件检测的镜头”）。
   • 处理：提取关键参数（有效焦距 EFL、F 数、像圈、放大倍率等）并识别应用场景。
   • 检索与推理：系统从包含约 1,700 个经过验证的光学设计（来自专利和文献）的 curated 库中，检索最相似的 N 个（通常 N=3）参考设计。
   • 生成：LLM 利用检索到的“专家演示”进行类比推理，生成初始的光学处方（种子设计），作为物理引擎的“热启动”（Warm-start）。

2. 物理优化引擎 (Differentiable Ray-Tracing Engine)：

   • 基于开源库 DiffOptics 构建，支持基于梯度的优化。
   • 优化目标：最小化多目标损失函数 $L_{total} = \omega_{RMS}L_{RMS} + \omega_{phys}L_{phys} + \omega_{spec}L_{spec}$。
     • $L_{RMS}$：最小化像面上的均方根（RMS）光斑尺寸，追求清晰聚焦。
     • $L_{phys}$：惩罚非物理几何（如负厚度、透镜重叠、无法制造的厚度）。
     • $L_{spec}$：确保满足用户指定的约束（焦距、F 数等）。
   • 算法：在 DiffOptics 环境中使用 Levenberg-Marquardt (LM) 算法进行迭代优化，调整曲率、厚度和空气间隔。

3. 验证流程：

   • 生成的处方导出为标准 ZMX 格式，并在 Ansys Zemax OpticStudio 中进行独立验证和性能评估（MTF、光斑图等）。

3. 主要贡献与关键成果 (Key Contributions & Results)

该框架在三个截然不同的领域展示了其通用性和有效性：

A. 有限共轭工业检测系统 (Finite-Conjugate Industrial Metrology)

• 案例 1：电子元件宏观检测
  • 输入：非专家提示，要求拍摄 0.1mm x 0.2mm 的电子元件，工作距离约 10cm，无畸变。
  • 结果：系统自主识别为有限共轭任务，选择对称的 Double Gauss 拓扑。最终设计实现了 0.57 倍放大倍率，工作 F 数 5.88。虽然未完全达到衍射极限，但在工业传感器上提供了足够的采样密度（约 16x33 像素/元件），满足自动光学检测（AOI）需求。
• 案例 2：双远心镜头 (Double-sided Telecentric)
  • 输入：精密机械计量，要求物方和像方远心以消除景深引起的放大倍率变化。
  • 结果：系统成功构建了双远心拓扑。在窄带 LED 照明下，实现了近衍射极限性能（轴上 RMS 光斑半径 3.29μm，接近理论艾里斑 3.44μm），MTF 表现优异，支持亚像素边缘检测。

B. 红外光谱目标合成 (Infrared Objectives)

• 近红外 (NIR)：设计了 500mm 焦距的长焦镜头，成功实现了紧凑的长焦比（0.56），单色光下达到衍射极限。多色光性能受限于当前简化色散模型，但单色 MTF 接近理想。
• 短波红外 (SWIR)：为 InGaAs 传感器设计了大孔径（F/2.24）镜头，成功处理了宽视场与孔径的权衡，中心波长下 RMS 光斑远小于像素尺寸。
• 长波红外 (LWIR)：利用锗（Ge）材料的高折射率和低色散特性，设计了热成像镜头。由于锗在 LWIR 波段具有极高的阿贝数（低色散），系统克服了多色光优化的挑战，实现了全视场的衍射极限性能。

C. 复杂非球面移动镜头 (Complex Aspheric Mobile Lenses)

• 挑战：针对 200MP 传感器，设计 1G6P（1 玻璃 6 塑料）混合镜头，要求 F/1.7 大光圈和 7.5mm 的超短总长（TTL）。
• 创新策略：针对高维非线性优化难题，提出了分阶段课程优化（Staged Curriculum Optimization）：
  1. 几何稳定阶段：仅优化球面曲率和间距，解决元件重叠和光线追迹失败问题，建立物理可行的几何基线（此时 TTL 较长，F 数较大）。
  2. 非球面细化阶段：锁定几何结构，逐步释放非球面系数（从圆锥常数到 8 阶系数），精细校正波前。
• 结果：成功将轴上单色 RMS 光斑降至 3.52μm，MTF 在 125 lp/mm 处达到 0.43。尽管最终设计因材料色散匹配问题保留了较宽松的机械尺寸，但证明了从语义蓝图到高性能非球面处方的可行性。

4. 意义与展望 (Significance & Future)

• 范式转变：确立了“自然语言即接口”的光学设计新范式，将光学设计从专家直觉驱动转变为数据与物理驱动的自动化流程。
• 降低门槛： democratize（民主化）了光学设计，使非专业人士也能通过自然语言描述生成初步的光学方案，加速了跨领域（光学、光子、电子）的协同设计。
• 解决“冷启动”问题：通过 RAG 检索历史最佳实践，解决了传统优化中初始猜测困难的问题，显著提高了收敛速度和成功率。
• 未来方向：
  • 数据扩展：引入更多专利和工业设计数据以增强泛化能力，减少几何幻觉。
  • 物理建模：集成更精确的材料色散模型（Sellmeier 系数）以改善多色光性能。
  • 架构扩展：支持反射元件（镜子）、折转光路以及衍射光学元件（DOE）和超表面，拓展至无焦系统（如扩束镜）和混合折射 - 衍射系统。

结论：该工作证明了将语义推理与可微物理相结合是实现自主光学工程的可行路径，成功跨越了从抽象意图到物理现实的鸿沟，为下一代自动化光学设计工具奠定了基础。