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)室范薇研究員團(tuán)隊(duì),針對(duì)高功率激光裝置前端系統(tǒng)中的高對(duì)比度和不同形狀包絡(luò)時(shí)間波形的實(shí)時(shí)去噪難點(diǎn)問(wèn)題,利用卷積神經(jīng)網(wǎng)絡(luò)展開(kāi)了研究。相關(guān)成果以“Temporal waveform denoising using deep learning for injection laser systems of inertial confinement fusion high-power laser facilities”為題發(fā)表在High Power Laser Science and Engineering上。
慣性約束聚變(ICF)裝置的前端系統(tǒng)需要提供高質(zhì)量的激光脈沖并具備精確的時(shí)間-功率曲線(xiàn)控制能力,長(zhǎng)脈沖整形閉環(huán)控制系統(tǒng)是其中的一個(gè)重要組成部分。由于幅頻調(diào)制(FM-to-AM)效應(yīng)和噪聲等因素導(dǎo)致的帶信號(hào)擾動(dòng)的時(shí)間波形會(huì)影響閉環(huán)控制系統(tǒng)的效率和精度,尤其是高對(duì)比度和形狀復(fù)雜的時(shí)間波形,在得到平滑時(shí)間波形的同時(shí)需要保留細(xì)節(jié)形狀。神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大非線(xiàn)性映射能力,物理增強(qiáng)的數(shù)據(jù)驅(qū)動(dòng)模型能夠自動(dòng)將原始時(shí)間波形映射到最佳的特征空間從而得到平滑的時(shí)間波形,且較傳統(tǒng)去噪算法具有更強(qiáng)的適應(yīng)性。
研究人員構(gòu)建了一種具有多尺度特征提取和注意力機(jī)制的U型卷積神經(jīng)網(wǎng)絡(luò),生成了不同形狀和參數(shù)的純凈波形,并利用解析模型在純凈波形中添加幅頻調(diào)制信號(hào)和噪聲,以此構(gòu)建融合物理模型的仿真數(shù)據(jù)集。在仿真波形中,對(duì)于高對(duì)比度(>300:1,圖2(a))、包含顯著噪聲和FM-to-AM(>50%,圖2(b))以及復(fù)雜形狀的時(shí)域波形(圖2(b)),均方根誤差和對(duì)比度的相對(duì)誤差都保持在2%以下,而信噪比提高了50%以上。在實(shí)驗(yàn)中獲得了對(duì)比度超過(guò)200:1(圖2(c))以及多種形狀(圖2(d))的去噪波形。研究結(jié)果表明,在融合物理信息的仿真數(shù)據(jù)集上訓(xùn)練的模型具有良好的泛化能力,在實(shí)驗(yàn)中能夠?qū)崿F(xiàn)多形狀和高對(duì)比度的波形的高精度的去噪和解調(diào),并保留重要的波形特征。該方法能夠有效抑制噪聲和FM-to-AM對(duì)時(shí)間-功率曲線(xiàn)的影響,有望提高閉環(huán)控制系統(tǒng)的精度和效率。本項(xiàng)工作利用深度學(xué)習(xí)在一定程度上有效地捕捉模擬和實(shí)驗(yàn)之間的關(guān)系并校正,這有望為輔助ICF高功率激光裝置的時(shí)域波形精密調(diào)控提供智能化的分析手段。
相關(guān)工作得到了中國(guó)科學(xué)院戰(zhàn)略先導(dǎo)科技項(xiàng)目支持。
原文鏈接:?https://doi.org/10.1017/hpl.2024.60