据中国激光杂志社网，于2024年04月18日报道，近日，四川大学电子信息学院周寿桓院士团队汪莎研究员课题组提出了基于类人智能算法的固态超快激光系统对准方法。该智能系统基于多算法融合，可以充分模拟经验丰富的实验人员在调整激光准中和锁模过程中的观察、分析、决策和行动过程。智能调节从无激光发射状态出发，在40秒内实现激光出光和稳定锁模。该技术首次为需要全自动出光和稳定锁模的超快固体激光器提供了有效的解决方案。
相关成果以“Intelligent laser emitting and mode locking of solid-state lasers using human-like algorithms”为题，于2024年4月11日发表在Laser & Photonics Reviews。
研究背景
由于固体锁模激光器具有平均和峰值功率缩放能力强、波长覆盖范围广等优点，在材料加工、生物医学、精密距离测量等多个领域得到了广泛的应用。半导体可饱和吸收镜(SESAM)锁模激光器是产生超短脉冲的常用配置。然而，在这种配置中，由于涉及到多个光学元件，如平面镜、凹面镜、SESAM、输出耦合器(OC)等，锁模固体激光器的腔体结构相对复杂，这些元件的对准和相对位置会极大地影响激光器的性能。与光纤激光器相比，固体激光腔的对准需要更多的时间和精力。因此，在固态超快激光系统中实现智能、高效的激光发射和锁模具有重要意义。神经网络、强化学习、优化算法等许多智能算法都擅长解决复杂实验中多参数的调整问题，因而近年来在激光技术中得到了应用。然而对于固态激光器，人们的努力主要集中在优化激光输出特性上，特别是在辅助稳定激光输出功率、指向方向、模场尺寸等方面。目前还没有关于锁模激光器从未发射状态到稳定锁模状态全过程的全自动控制的报道。
研究创新点
在这项研究中，整体的实验装置如图1所示，算法流程如图2所示，为了实现激光器的全自动出光，首先将泵浦功率设置在激光阈值以下，通过CCD检测增益材料产生的OC后荧光。利用神经网络对收集到的荧光图案进行分类，这些不同形貌对应于增益介质旁边凹面镜的不同位置。通过反馈控制引导凹面镜上的压电惯性驱动控制器分别向右和向左移动。直到其都达到激光发射的最佳位置。
由于OC和SESAM的错位会导致腔内双向荧光不重叠。荧光强度与双向荧光的重叠程度呈正相关。研究人员们采用一种基于深度强化学习的改进ARS方法调节OC和SESAM的角度来寻找最大强度，最大强度对应于荧光重叠最好的位置，如图3所示。改进的ARS算法将通过模仿有经验的实验人员来调整激光腔。实现激光发射后，将泵浦功率提高到1000 mW，进一步实现激光腔的智能锁模。将输出激光通过散射介质，采集激光散斑图。通过监测散斑的变化并对腔内光学元件提供反馈控制。使用CNN对锁模状态和连续波状态对应的散斑模式进行分类识别，如图4所示。在此基础上，提出了一种滑动窗口策略，通过计算窗口内对比度的方差，表明当前锁模状态是否稳定。这个过程类似于经验丰富的实验人员调整SESAM的位置以获得锁模激光脉冲。
在多次实验中发现，实现稳定锁模需要的时间取决于每个光学元件的初始位置和角度。该智能算法的计算速度非常快。在智能控制过程中，训练好的神经网络只需要0.03秒就能对每一个收集到的模式进行分类。改进的ARS算法和滑动窗口策略每次执行大约需要0.01秒。在智能调节过程中，大部分时间消耗在位移和旋转驱动控制器的机械运动上。所有光学元件可在40秒内完成全自动调整。
另外，当锁模状态变得不稳定甚至消失时，重新采用二元分类神经网络、随机搜索和滑动窗口策略对压电驱动控制器进行调整，可以在9.1秒内恢复到稳定的锁模状态。给出了自动锁模激光器的输出特性，如图5所示，表明类人算法自动控制激光器的特性与人工控制激光器一样好，但调整时间要快得多。
总结与展望
基于类人算法的智能超快激光器基于多种指针与算法的融合，结合了人与机器的优点，简单经济，能在短时间内准确实现激光的全自动发射和稳定的锁模。不同锁模状态(如调Q锁模、谐波锁模、多脉冲锁模)的频谱是完全不同的。神经网络能够以原子计的波长精度对散斑模式进行分类。因此，激光散斑也可用作识别更复杂的锁模态的指示。此外，基于激光散斑和智能算法的调节系统还可以实现激光输出的中心波长和谱宽等光谱可调。通过使用高速CCD、压电陶瓷和定制硬件(如FPGA)，还可以使智能锁模速度得到进一步的加快。
四川大学电子信息学院博士生郭攀为文章的第一作者，四川大学电子信息学院汪莎研究员为通讯作者。该工作得到了国家自然科学基金的大力支持。
