“人工智能赋能激光”前言
——周朴
[摘要]伴随着新一轮科技革命和产业变革，科学研究范式正在加速演进，学科交叉融合正在高速发展，人工智能驱动的科学研究（AI for Science）已经成为全球人工智能新前沿，交叉学科建设已经成为培养复合型创新人才的有效路径。近年来，我国相继出台了一系列政策举措，如国家自然科学基金委员会新设立交叉科学部、教育部新设立交叉学科一级学科门类、科技部会同国家自然科学基金委员会启动AI for Science 专项部署工作，抢抓人工智能驱动的科学研究的新机遇，促进复杂科学问题的多学科协同攻关。...
查看详情
国防科技大学前沿交叉学科学院
[摘要]近年来，人工智能科技的普及为激光领域的科技教育注入了新动力，进一步推动了激光行业的快速发展并拓宽了应用范围。从激光器件优化设计、激光器系统结构优化设计、光束智能控制及优化、激光特性的精确表征与预测、激光器应用效能优化等5个方面介绍了人工智能对激光领域的赋能效果，并对未来两个学科的双向赋能进行了初步分析和展望。
清华大学精密仪器系
[摘要]随着人工智能技术的飞速发展与广泛应用，人们对计算资源的需求日益增长，面对电子摩尔定律所遇到的原理性瓶颈，光子以高传输速度、高并行度等优势成为研究人员心目中的下一代计算机载体之一。近年来的研究工作显示，激光谐振腔内许多有趣的物理现象和复杂的动态演化过程能够被用于各种各样的数据处理与计算任务，极大地拓展了激光器的应用范围。在这篇综述中，笔者对基于激光谐振腔的智能光子计算的研究进展进行了集中的介绍与梳理，主要内容涵盖利用激光腔内的混沌过程辅助光电强化学习、利用光反馈激光器的非线性信号变换构建光电储备池网络，以及利用激光网络向稳定振荡状态的自发演化求解组合优化问题。在介绍相关最新进展之余，笔者分析讨论了智能激光计算系统面临的挑战，并对其未来的发展趋势进行了展望。
中科院物理研究所北京凝聚态物理国家研究中心
[摘要]近年来随着计算机性能的提高，机器学习中的神经网络发展迅速，在诸多领域中得到了成功的应用。在超快光学中，基于神经网络技术的一些应用在过去几年中也受到了越来越多的关注，例如脉冲表征、光纤激光器的锁模、多模光纤传播动力学、非线性动力学的预测以及脉冲传播等。综述了神经网络在超快光学中已经实现的一些应用，包括实验过程中激光器的自调谐、超快传播动力学的表征和控制以及实验数据的处理和物理规律的发掘，展望了未来的应用前景并分析了面临的挑战。
华南理工大学物理与光电学院
[摘要]多维（多模）激光是突破单模激光技术瓶颈的重要途径，有望推动多学科交叉与创新发展。不同于传统的单模激光，多维激光具有光场结构复杂、可调控参数多等特点，其性能调控面临诸多挑战。近年来，随着人工智能的兴起，机器学习等智能调控技术被广泛用于光学系统性能的优化，推动了智能光学及相关学科的快速发展，为多维激光的智能调控提供了新思路。从激光谐振腔内部和外部调控两方面，介绍了智能调控技术在激光调控领域中的研究进展，并展望了智能调控多维激光技术在光学微操控、激光微加工和空间光通信等领域中的应用前景。
北京航空航天大学机械工程与自动化学院
[摘要]人工智能在智能制造领域中起着举足轻重的作用。近年来，激光制造技术以其精度高、可控性强等优势而逐渐成为先进制造的关键技术，在航空航天、新能源汽车、生物医疗等重要领域中发挥了重要作用。与此同时，人工智能在激光制造中的模拟预测、参数优化、过程控制、质量分析等方面展现了巨大的应用潜力。主要从激光制造装备和工艺这两个方面出发，总结了激光制造领域中人工智能的研究现状与应用情况，并对人工智能和激光制造技术的发展方向及应用前景进行了展望。
华东师范大学精密光谱科学与技术国家重点实验室
[摘要]近年来，智能光子学领域取得了蓬勃发展。其中，机器学习算法与超快光学的结合展现出了巨大潜力，不仅给超快光学系统带来了新功能，也极大地提升了系统的性能。特别地，机器学习已在锁模激光器中获得了广泛应用。本文着重介绍机器学习算法及控制系统在超快光纤激光器中的应用，包括产生和操控孤子锁模脉冲、时空锁模脉冲、呼吸子脉冲以及分形呼吸子。
国防科技大学前沿交叉学科学院
[摘要]超材料设计和光纤光束控制是光场调控研究的两个重要议题。传统方法取得一定研究进展的同时，也面临着有效性和适应性的问题。为弥补传统方法的不足，研究者们尝试将深度学习方法应用于以上两个议题。介绍了基于深度学习进行超材料设计和光纤光束控制的近期研究工作。超材料设计方面，重点回顾了采用多层感知机、卷积神经网络、循环神经网络、生成对抗网络等经典神经网络模型的相关工作；光纤光束控制方面，主要介绍了典型的搜索方法与深度强化学习方法。基于深度学习进行超材料设计和光纤光束控制的方法，具有速度快和自动化程度高的优势，为光场调控集成化、智能化提供新思路。
中科院光电技术研究所自适应光学重点实验室
[摘要]高功率激光是自适应光学的重要应用领域，通过控制高功率激光系统实现高光束质量的激光输出是激光自适应光学技术的一项重要目标。自适应光学主要是利用波前传感器和波前校正器来完成对激光畸变波前的探测与校正。近年来，人工智能的发展为自适应光学技术特别是应用于激光领域的自适应光学技术在波前复原、波前预测以及波前校正方面提供了新的思路和工具。梳理了当前自适应光学的智能化发展概况，介绍了机器学习方法在波前复原、波前预测、相位反演和波前控制四个方面取得的研究进展，并对当前研究方法在高功率激光领域中的应用潜力与面临的挑战进行了讨论。
浙江大学光电科学与工程学院
[摘要]自适应光学是一种校正波前误差的技术，在地基望远镜、生物成像、人眼像差校正、激光通信等领域中已经有了广泛的应用。与此同时，深度学习技术的快速发展为各个领域带来了全新的方法。为了进一步提升传统自适应光学系统的性能，研究者将自适应光学技术与深度学习相结合，从实时性、抗噪声干扰能力等角度对已有自适应光学系统进行了改进。首先对目前常用的人工神经网络架构进行了介绍，然后详细阐述了近五年深度学习与自适应光学技术相结合的方法，最后对已有方法进行了总结，并对该技术未来的发展方向进行了展望。
国防科技大学前沿交叉学科学院
[摘要]光纤激光阵列相位调控技术既可以突破单路光纤激光功率提升瓶颈，也是高功率特殊光场生成的有效途径之一。随着人工智能技术的迅速发展，将先进的智能算法引入激光阵列系统的控制模块中有望实现闭环相位控制能力的提升。综述了近年来基于机器学习的光纤激光阵列相位控制技术的最新研究进展，并对机器学习赋能光纤激光阵列相位调控的发展趋势和挑战进行了展望。
深度学习策略下光纤中超短脉冲非线性传输过程表征及控制研究进展
西南交通大学物理科学与技术学院
[摘要]常规数值求解方法在表征光纤中超短脉冲的非线性传输过程时存在计算量大、效率低等局限。随着人工智能的快速发展，深度学习技术展现出了强大的计算能力、广泛的适用范围、良好的硬件移植性，在光纤中超短脉冲非线性传输过程表征和控制研究中具有巨大潜力。本文概述了深度学习技术及其在预测光纤中超短脉冲传输、超短脉冲重构及参数估计方面的研究进展，同时展望了深度学习与光纤中超短脉冲非线性传输这一新兴交叉技术的发展方向和挑战。
国科大杭州高等研究院物理与光电工程学院
[摘要]深度学习已逐步深入多个光学技术领域，推动了诸多光学技术的发展。同时，航空航天观测、AR/VR消费电子、手机摄影、超短焦投影仪等产业快速发展，对光学系统提出了更高、更复杂的设计需求。这些光学系统对性能的高要求，使得光学元件面形的复杂度相应提高。因此，传统的设计方法面临巨大挑战。深度学习具有强大的运算、数据演化和非线性逆问题求解能力，为更复杂的光学系统设计优化求解提供了新思路、新方法。随着对光学系统性能的要求越来越高，自由曲面、超构表面等新型光学元件的需求大大增加，为光学系统提供了更大的发展潜力和想象空间。早期的迭代优化和直接求解的光学设计方法不再适用，光学设计方法向更高难度的数学求解方向发展。得益于人工智能技术软硬件的发展，光学系统设计方法也跨入新的时代——人工智能光学设计时代。从传统迭代优化到人工智能，光学系统设计方法并不能割裂地突跃式发展。本文系统性地论述了光学系统设计方法的内在路径联系与发展逻辑，并对未来的发展方向进行了展望。
国防科技大学前沿交叉学科学院
[摘要]高功率光纤激光是当前我国激光科学技术领域的前沿热点，而稀土掺杂的有源光纤是高功率光纤激光器的核心器件。与常规有源光纤不同，多折射率层有源光纤的纤芯和包层之间增加了一个或多个辅助折射率层，展现出了特殊的模场特性，有望进一步提升高功率光纤激光的输出功率。利用传统方法分析不同结构参数下多折射率层有源光纤的模场特性时，通常需要耗费较长的时间求解麦克斯韦方程组。笔者首次引入机器学习算法来预测多折射率层有源光纤的模场特性。该方法仅需要数据空间中0.1%的样本，就可以学习多折射率层有源光纤结构参数与其模场特性之间的复杂映射关系，进而实现无须求解麦克斯韦方程组的快速精准预测。该方法的平均预测误差小于0.6%，预测速度相比传统方法提升了约7000倍，为多折射率层有源光纤的模场特性分析提供了新思路。
之江实验室类人感知研究中心
[摘要]实时表征超快激光的时域特性是一项非常重要且很有挑战性的工作。现有方法通常仅限于在少数空间点或者二维空间内观测超快激光的传播过程，无法完整记录超快激光在介质中的传播过程，尤其是涉及超光速运动时。作为一种新方法，光场层析技术通过结合智能算法和新型的光学设计，能够以皮秒级时间分辨率对超快现象进行三维成像。笔者借助该技术捕获了超快激光在三维空间中的超光速运动，并证明了在测量超快激光的时空特性时完整考虑激光三维传播过程的重要性。
华中科技大学机械科学与工程学院
[摘要]基于非等温流模型对光纤拉锥过程进行了有限元建模，实现了多种复杂工况下的光纤拉锥轮廓的计算，将计算结果与拉锥实验结果进行了对比，尺寸误差在6 μm以内。建立了反向传播（BP）神经网络，并利用非等温流模拟结果构建训练集进行训练，实现了对光纤拉锥最终尺寸的快速预测，预测结果与仿真结果差别最大为1.7 μm。
南开大学电子信息与光学工程学院
[摘要]基于非线性偏振旋转技术搭建了1550 nm波段的被动锁模光纤激光器，结合时间拉伸色散傅里叶变换实时探测技术，对激光器中孤子束缚态动力学进行了测量，并基于自相关算法分析了孤子间距与相位差的演化。同时设计了对孤子束缚态动力学进行特征提取与预测的演化卷积自编码模型，实现了孤子束缚态动力学的特征参数提取以及预测。研究结果为孤子动力学研究提供了新见解，有助于挖掘孤子相互作用的物理机制。
