Ansys Zemax | 什么是Sobol取样?

news2025/1/11 12:40:22

附件下载

联系工作人员获取附件

本文主要介绍了:

  • 什么是Sobol取样?

  • 和随机光线产生方法相比,Sobol取样有什么优点?

  • Sobol取样有什么限制?

随机取样和Sobol取样模式

一个光源会在位置空间以及角度空间随机产生光线分布。例如,一个点光源发出起始点位置不变、某一方向余弦范围内均匀分布的光线。当对该光源进行光线追迹时,必须发出足够多根光线,才能准确的描述该点光源。 

光线的随机产生通常使用随机数产生器,随机数产生器的目标是为了制造一系列互相无关的随机数,然后(通过生成大量随机数)追迹大量的随机光线就可以对光源准确的取样。

当然,所有基于电脑的随机数生成算法都是伪随机的(quasi-random)。它们受限于一个周期,当超过周期后就会重复出现,而不再是相互无关的随机数。这个周期的最终限定是由电脑的位数来决定的,因此,没有一个内建的随机数是“真正”随机的。(但是本文我们认为OpticStudio中的长周期随机数产生器是“真正”的随机,这样就可以用来和Sobol取样模式对比。)

Sobol 取样使用了不同的方式来取样。相比于随机数,Sobol 采样重点在于在概率空间产生均匀的分布。这并不是单纯的使用格点取样,从概率上来讲,格点取样也是定性随机的,它巧妙的填补了使用之前随机数产生器无法采样到的概率空间。

本文以一个简单的光学系统为例,系统中两个矩形光源照亮探测器,此光源会产生均匀的矩形光线分布。下图为光线追迹的结果,图中上方为随机取样下方为Sobol 取样。

图片

如果我们对每个光源都追迹10^4条光线,Detector Viewer结果图如图2所示,图中很难看出两者的差距。

图片

如果将追迹光线数目增加到10^6,就可以看出两者的差别。Sobol 取样模式产生光线比随机取样更加均匀。当然,Sobol 取样的本质依然属于随机分布。从图中可以看出,随机取样的分布为“块状”,可以看到较多不均匀的亮点以及较暗的区域。

图片

如果将随机取样的结果图放大,可以看到如下图。随机取样产生的光线分布比Sobol 取样噪声大。

信噪比

下图分别为追迹10^6、10^7、10^8、10^9光线时随机取样和Sobol 取样信噪比对比图。

图片

图片

 

从图中可以看出。当我们追迹光线非常少(1万)或者非常大(10亿)时,Sobol 取样和随机取样的结果非常相似。因此Sobol 取样主要是在一些“特殊区域”有效。随机取样光线追迹的信噪比为sqrt(N),其中N为击中每个像素的平均光线数;而对于Sobol 取样模式,信噪比和N成线性关系。这可以从10亿条光线追迹图的Cross-Section中理解。

Sobol 取样并不是万能的,在本文范例中我们已经知道了光源应该是均匀分布的,因此可以确定Sobol 取样优于随机取样。但是请注意在所有的Monte Carlo分析过程中没有一种方法比随机取样更准确。因此,OpticStudio允许使用着自己决定是使用Sobol 取样还是使用OpticStudio内置的长周期随机数产生器。使用者可以在对象属性编辑窗中的Source栏下选择。

结论

在进行蒙特卡罗追光模拟时,Sobol 取样可以减少模拟时间。一般来说,Sobol 取样比随机数产生器产生的光线更快收敛。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2112592.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

前端常用工具网站分享:MemFire Cloud,懒人开发者的福音

你是否曾梦想过,有那么一款工具,能够让你像变魔术一样快速搭建起一个应用,而无需深陷复杂的后端搭建和接口开发的泥潭?今天,我要为你介绍的,就是这样一个神奇的存在——MemFire Cloud,一款专为懒…

1.C_数据结构_基本知识

相关名词 数据是什么: 数据即信息的载体,是能够输入到计算机中并且能够计算机识别、存储、处理的符号总称。这里的数据不一定是一个int型,也可能是一个语音、一个字符串或者其他的一些打包的内容。 数据元素是什么: 数据元素(…

Danbooru风格图片分享平台szurubooru

什么是 Danbooru ? Danbooru 是一种流行的图片分享网站,以其独特的图片标签系统和搜索功能而闻名。"Danbooru风格"通常指的是模仿 Danbooru 网站的图片论坛或图片分享平台所具有的特定特征,如: 标签系统:用户…

代码随想录刷题day24丨93.复原IP地址 ,78.子集 , 90.子集II

代码随想录刷题day24丨93.复原IP地址 ,78.子集 , 90.子集II 1.题目 1.1复原IP地址 题目链接:93. 复原 IP 地址 - 力扣(LeetCode) 视频讲解:回溯算法如何分割字符串并判断是合法IP?| LeetCod…

2024年高教杯国赛(B题)数学建模竞赛解题思路|完整代码论文集合

我是Tina表姐,毕业于中国人民大学,对数学建模的热爱让我在这一领域深耕多年。我的建模思路已经帮助了百余位学习者和参赛者在数学建模的道路上取得了显著的进步和成就。现在,我将这份宝贵的经验和知识凝练成一份全面的解题思路与代码论文集合…

【2024高教社杯国赛A题】数学建模国赛建模过程+完整代码论文全解全析

你是否在寻找数学建模比赛的突破点?数学建模进阶思路! 作为经验丰富的数学建模团队,我们将为你带来2024国赛数学建模竞赛(A题)的全面解析。这个解决方案包不仅包括完整的代码实现,还有详尽的建模过程和解析…

WebAPI(二)、DOM事件监听、事件对象event、事件流、事件委托、页面加载与滚动事件、页面尺寸事件

文章目录 一、 DOM事件1. 事件监听2. 事件类型(1)、鼠标事件(2)、焦点事件(3)、键盘事件(4)、文本事件 3. 事件对象(1)、获取事件对象(2)、事件对象常用属性 4. 环境对象 this5. 回调函数 二、 DOM事件进阶1. 事件流(1)、 捕获阶段(2)、 冒泡阶段(3)、 阻止冒泡(4) 、阻止元素默…

Optuna发布 4.0 重大更新:多目标TPESampler自动化超参数优化速度提升显著

Optuna这个备受欢迎的超参数优化框架在近期发布了其第四个主要版本。自2018年首次亮相以来,Optuna不断发展,现已成为机器学习领域的重要工具。其用户社区持续壮大,目前已达到以下里程碑: 10,000 GitHub星标每月300万 下载量16,00…

静心是良性循环

我发现一个挺有意思的事: 花时间修炼自己的心,让自己静心,就愿意多花时间修炼,会更加静心,这样就良性循环了。难的是刚开始,心不静,没时间修炼,心静不下来,更没时间修炼&…

分类中的语义一致性约束:助力模型优化

前言 这里介绍一篇笔者在去年ACL上发表的一篇文章,使用了空间语义约束来提高多模态分类的效果,类似的思路笔者也在视频描述等方向进行了尝试,也都取得了不错的效果。这种建模时对特征进行有意义的划分和约束对模型还是很有帮助的,…

基于人工智能的文本摘要生成系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 文本摘要生成是自然语言处理(NLP)中的一个重要任务,它旨在从长文本中提取出核心内容,生…

【学习笔记】SSL证书安全机制之证书验证

前言:每当Client从Server收到一张证书,有2件事Client需要去验证: 证书是否有效? 证书只是文件中的文本Client如何知道内容能够信任?Server是否是证书真正的拥有者? 证书可以公开获取Client如何知道Server是…

OM5光纤:优化您的数据中心性能

随着数据中心需求的持续增长,传统OM3和OM4光纤在传输距离和带宽方面的局限性日益显现。为应对这些挑战,OM5光纤应运而生。OM5光纤又称为宽带多模光纤(WBMMF),通过支持单根光纤上的多波长传输,显著提高了数据…

ubuntu linux搭建lvgl v9

记录一下ubuntu linux搭建 lvgl的过程 本地环境:ubuntu 16.04 ubuntu lvgl sdl2 1 获取源码 git clone https://github.com/lvgl/lv_port_linux.git cd lv_port_linux/ git submodule update --init --recursive查看分支: git branch -a 我选择的是9.2(master分支一直在变动…

无人机执照拿到后怎么就业?方向有哪些?就业率如何?

无人机执照拿到后,就业方向广泛且多样,就业率也呈现出逐年上升的趋势。这主要得益于无人机技术的广泛应用和无人机市场的不断扩大。以下是对无人机执照持有者就业情况的详细分析: 就业方向 1. 无人机飞行操作: 无人机飞手可以从…

34465A-61/2 数字万用表(六位半)

34465A-61/2 数字万用表(六位半) 文章目录 34465A-61/2 数字万用表(六位半)前言一、测DC/AC电压二、测DC/AC电流四、测电阻五、测电容六、测二极管七、保存截图流程前言 1、6位半数字万用表通常具有200,000个计数器,可以显示最大为199999的数值。相比普通数字万用表,6位半…

经典文献阅读之--Representing 3D sparse map points....(用于相机重定位的3D点线稀疏地图)

0.简介 最近在视觉定位和地图制图方面取得了显著的进展,成功地将点特征和线特征进行了整合。然而,将定位框架扩展到包括额外的地图组件往往会导致对匹配任务的内存和计算资源需求增加。《Representing 3D sparse map points and lines for camera reloc…

尝试用java spring boot+VUE3实现前后端分离部署(8/31)

前言 这几天开学了,公司这边几个和学校对接的项目都挺忙的,然后我又开始有点闲的情况了。问大佬能不能继续看看若依的项目,大佬让我自己去学了。在看若依的项目的时候在想,python的FLASK后端实现和JAVA spring boot的实现差别大不…

通过指令微调提升语言模型性能

人工智能咨询培训老师叶梓 转载标明出处 如何让机器更好地理解和执行人类的指令一直是一个重要课题。Google的研究团队中提出了一种新的方法,通过指令微调(instruction finetuning)来提升语言模型的性能和泛化能力。 他们主要研究了如何通过…

美食|基于SpringBoot+vue的美食网站(源码+数据库+文档)

美食网站 基于SSMvue的美食网站 一、前言 二、系统设计 三、系统功能设计 系统功能实现 后台模块实现 管理员模块实现 用户模块实现 餐厅模块实现 四、数据库设计 五、核心代码 六、论文参考 七、最新计算机毕设选题推荐 八、源码获取: 博主介绍&…