より効率的に組み立て調整を行うために、多層パーセプトロン（MLP）神経ネットワークに基づく分割式望遠鏡の補償補正法を提案した。まず、ベクトル収差理論を用いて光学系内の部品の偏心と傾きの結合関係を解析し、両者が相互に補償可能であることを検証した。次に、分割式望遠鏡光学系モデルを構築し、各サブミラーとセカンダリミラーをサブシステムとして扱い、ずれがある状態で3視野の1～9次のツェルニケ係数をモデルの入力とし、異なるずれ範囲のデータで18のサブシステムモデルを学習させた。最後に、組み立て時にサブミラーの偏心を含む計5次元のずれをシミュレーションしたが、学習したピストン、チップ/チルトの3次元のみで補償を行った。実験結果は、学習したMLPネットワークモデルによりずれた部品の調整補償量を良好に予測でき、2回の反復でシステムを設計状態に復元できることを示し、100セットのモンテカルロ解析のRMS平均値は0.0107λであった。実際の測定誤差を含むシミュレーションでも、2回の反復内に有効な補正が達成され、100セットのモンテカルロ解析のRMS平均値は0.0269λであった。本手法は、分割式望遠鏡の組み立て調整におけるサブミラー調整次元を効果的に削減し、高精度な組み立て調整の実現可能な方法を提供する。

分割式望遠鏡;多層パーセプトロン;ずれ量計算;ベクトル収差;神経ネットワーク