더 효율적인 분할형 망원경 조립을 위해 다층 퍼셉트론(MLP) 신경망 기반의 분할형 망원경 보상 보정 방법을 제안하였다. 먼저, 벡터 수차 이론을 이용하여 광학계의 부품 편심과 기울기 간의 결합 관계를 분석하였으며, 이 둘이 상호 보상 가능하다는 특성을 검증하였다. 다음으로, 분할형 망원경 광학계 모델을 구축하여 각 서브 미러와 세컨더리 미러를 하위 시스템으로 간주하고, 실패 상태에서 3개 시야의 1~9 항 제르니케 계수를 모델 입력으로 사용하여 서로 다른 실패 범위 데이터로 18개의 하위 시스템 모델을 학습시켰다. 마지막으로, 조립 시 서브 미러 편심을 포함하여 총 5차원의 실패가 시뮬레이션되었으나, 학습된 피스톤 및 팁/틸트 3차원만을 사용하여 보상하였다. 실험 결과, 학습된 MLP 네트워크 모델을 이용해 실패 부품의 조정 보상량을 정확히 예측할 수 있었으며, 두 번의 반복 후 시스템을 설계 상태로 복원할 수 있었다. 100회 몬테카를로 해석의 RMS 평균값은 0.0107λ였다. 실제 측정 오차가 있는 경우에도 두 번의 반복 내에 효과적인 보정이 이루어졌으며, 100회 몬테카를로 해석의 RMS 평균값은 0.0269λ였다. 본 방법은 분할형 망원경 조립 시 서브 미러 조절 차원을 효과적으로 줄여 고정밀 조립 방법의 가능성을 제공한다.

분할형 망원경;다층 퍼셉트론;실패량 계산;벡터 수차;신경망