超強(qiáng)激光科學(xué)卓越創(chuàng)新簡(jiǎn)報(bào)

(第四百九十二期)

2024年3月21日

上海光機(jī)所在基于卷積神經(jīng)網(wǎng)絡(luò)的高功率激光裝置近場(chǎng)狀態(tài)分析方面取得進(jìn)展

近期，中國(guó)科學(xué)院上海光學(xué)精密機(jī)械研究所高功率激光物理聯(lián)合實(shí)驗(yàn)室研究團(tuán)隊(duì)針對(duì)高功率激光裝置多路近場(chǎng)輸出分析的實(shí)時(shí)性和有效性的要求，利用空域計(jì)算方法和帶注意力機(jī)制的深度學(xué)習(xí)模型識(shí)別和分析了SG-Ⅱ升級(jí)裝置的異常近場(chǎng)輸出。相關(guān)成果以“Near-field analysis of the high-power laser facility using calculated methods and a residual convolutional neural network with attention mechanism”為題發(fā)表在Optics and Lasers in Engineering上。

慣性約束聚變（ICF）物理研究對(duì)高功率激光驅(qū)動(dòng)器的輸出性能和可靠性提出了非常嚴(yán)格的要求，其中，近場(chǎng)的均勻分布有利于提升系統(tǒng)運(yùn)行通量、保護(hù)后續(xù)光學(xué)器件，并滿足系統(tǒng)長(zhǎng)期高強(qiáng)度可靠運(yùn)行的要求。高功率激光裝置包含多束激光，人工識(shí)別方法不夠及時(shí)有效，因此，需要有效的方法來(lái)分析不同時(shí)刻的近場(chǎng)狀態(tài)并及時(shí)提供預(yù)警。卷積神經(jīng)網(wǎng)絡(luò)（CNN）具有強(qiáng)大的特征提取能力，可在歷史數(shù)據(jù)中進(jìn)行訓(xùn)練，以滿足復(fù)雜多樣的任務(wù)需求。

研究人員提出了利用空域計(jì)算方法和帶有附加注意機(jī)制的殘差卷積神經(jīng)網(wǎng)絡(luò)模型，根據(jù)大量不同時(shí)間的近場(chǎng)圖像初步評(píng)估 SG-II 升級(jí)裝置的運(yùn)行狀況?？沼蛴?jì)算方法用于批量處理 CCD 檢測(cè)到的近場(chǎng)圖像，可通過(guò)調(diào)制度和對(duì)比度等分析裝置持續(xù)運(yùn)行時(shí)間內(nèi)近場(chǎng)分布均勻性的變化。該算法自動(dòng)提取有效的近場(chǎng)光斑區(qū)域，這也為用于訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型的圖像提供了一個(gè)預(yù)處理步驟。卷積神經(jīng)網(wǎng)絡(luò)模型用于自動(dòng)識(shí)別和分類(lèi)具有多個(gè)標(biāo)簽的近場(chǎng)圖像特征，從而實(shí)現(xiàn)對(duì)基頻（1ω） 近場(chǎng)狀態(tài)異常的檢測(cè)。在本項(xiàng)工作中，研究人員選取了包含近場(chǎng)分布均勻性、異常輸出信號(hào)和強(qiáng)衍射環(huán)等六種特征進(jìn)行分析，模型的分類(lèi)準(zhǔn)確率達(dá)到93%，模型能夠?qū)θ我鈹?shù)量的近場(chǎng)圖像做出關(guān)于上述六種特征的實(shí)時(shí)的判斷。

在后續(xù)研究中，隨著實(shí)驗(yàn)數(shù)據(jù)量的增加，研究人員將完善異常特征的分類(lèi)標(biāo)簽，尤其是類(lèi)似特征，以建立更穩(wěn)健的模型。本項(xiàng)工作探索了深度學(xué)習(xí)模型在ICF高功率激光裝置中的有效應(yīng)用，未來(lái)有望將繼續(xù)擴(kuò)展深度學(xué)習(xí)模型的應(yīng)用范圍，為大型激光裝置提供智能化的分析手段。

原文鏈接

圖1 空域計(jì)算方法結(jié)果 (a) CCD采集圖像 (b) 近場(chǎng)灰度分布直方圖 (c) 去除背景后的近場(chǎng)灰度分布直方圖 (d) 去除背景后的二值圖像 (e) 經(jīng)過(guò) Hough 變換后的旋轉(zhuǎn)近場(chǎng)圖像 (f) 旋轉(zhuǎn)后的二值圖像 (g) 裁剪后的近場(chǎng)圖像 (h) 近場(chǎng)圖像的 85% 區(qū)域

圖2 空間注意力殘差卷積神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)