上海光机所在可解释机器学习光栅参数计量研究中取得进展
近日，中科院上海光机所高功率激光元件技术与工程部刘世杰研究员团队联合南京理工大学朱日宏教授团队，在光栅微结构参数非接触、高精度测量研究中取得进展。相关成果以“AMICM: A high-precision grating metrology framework via interpretable machine learning and scatterometry”为题，发表于Optics and Lasers in Engineering。 Hxr2Q]c?u
光栅是光谱分析、光通信和高功率激光系统中的重要光学元件，其占空比、槽深等微结构参数直接影响衍射效率和器件性能。传统AFM、SEM等直接测量方法存在离线、效率低和样品损伤风险，常规散射计量反演又受制于建模复杂度和计算成本，难以满足快速、非接触测量需求。 []Cvma 1\
[attachment=135304] mOwgk7s[ J
AMICM可解释机器学习光栅计量框架图 /rp4m& !
针对上述问题，研究团队提出注意力增强多特征可解释CatBoost模型AMICM。该方法基于-1级衍射效率光谱，融合时域特征、频域特征和光谱效率曲线，并引入注意力机制与SHAP解释分析，实现对关键特征的动态加权和可解释预测。实验结果表明，在1400 lines/mm矩形光栅及20-40 dB噪声条件下，该方法对占空比预测的MAE为0.0174、R²为0.9841，对槽深预测的MAE为0.017、R²为0.9791，具备毫秒级推理能力，为工业场景下光栅参数快速计量提供了新思路。 ';V(sRU@
原文链接：https://doi.org/10.1016/j.optlaseng.2026.109799
|