近日，中科院上海光机所高功率激光物理联合实验室研究团队，提出一种基于机器学习的晶体自准直技术，相关研究成果以“Crystal’s Self-Alignment for High Power Laser Facility Based on Machine Learning”发表于IEEE Photonics Journal。
目前在高功率激光装置中，谐波转换晶体的在线准直一直是一项极具挑战性且耗费人力的任务。传统方法需要操作人员手动搜索和调整晶体的反射光斑位置，不仅效率低下，而且精度难以保证。随着激光功率的不断提升，对晶体准直精度和速度的要求也越来越高。如何实现晶体的快速、自动、高精度准直，成为制约高功率激光装置性能提升的关键技术瓶颈之一。
研究团队利用光栅衍射对晶体准直光束进行采样，并通过机器学习算法自动定位晶体背表面的反射光斑，进而调整晶体位置实现准直。设计了一套由两个核心模块组成的系统。矩形螺旋光斑扫描搜索模块：用于快速定位反射光斑。基于开源M-LOOP算法的自动光斑对准模块：采用基于高斯过程概率代理模型的贝叶斯优化方法。硬件系统包括晶体准直光学装置、电机、CCD相机和树莓派。在大型激光装置上进行的多次实验表明，该方法能在约10分钟内完成晶体反射光斑的自动搜索和对准，显著提高了准直效率。这项研究首次将机器学习算法应用于高功率激光装置的晶体准直过程，实现了全自动的晶体准直流程，摆脱了对人工操作的依赖。开发的高效搜索和对准算法，大幅缩短了准直时间。该技术为高功率激光装置的自动化运行提供了重要支撑，不仅提高了装置的运行效率，也为实现更高精度的激光控制奠定了基础。未来，这一方法有望推广应用到其他需要精密光学对准的领域，推动相关技术的发展。
图1.基于贝叶斯优化算法的晶体准直原理示意图。
图2.(a),(b),(c)分别表示SG-II升级型激光装置三条光路的对准结果
相关工作得到了中国科学院战略先导科技项目和中国科学院青年创新促进会项目的支持。
原文链接：https://ieeexplore.ieee.org/document/11030231