圖1 實驗裝置示意圖。

近期，中國科學院上海光學精密機械研究所超強激光科學與技術全國重點實驗室在基于人工智能算法實現飛秒激光指向抖動控制領域取得重要進展。相關成果以“Pointing jitter correction in hollow-core fiber nonlinear systems based on LSTM”為題發表于Applied Optics。

飛秒激光技術作為超快科學、精密制造和極端強場物理研究的關鍵工具，其指向穩定性是評估飛秒激光器性能的核心參數之一。環境振動、熱漂移、空氣擾動以及非線性效應等因素會引起指向抖動，飛秒激光在空芯光纖(Hollow-Core Fiber, HCF)等非線性系統中，由于傳輸過程中經歷如自相位調制、自聚焦等非線性效應，使得輸入與輸出之間呈現高度非線性關系，傳統的機械穩定系統或線性反饋機制往往難以有效應對。

圖2 未經校正的水平(a)和豎直(b)指向穩定性。(c)指向抖動分布示意圖，(d)中心點統計示意圖。

圖3 經校正的水平(a)和豎直(b)指向穩定性。(c)指向抖動分布示意圖，(d)中心點統計示意圖。

針對上述挑戰，本研究創新性地構建了基于深度學習的自適應穩定架構即長短期記憶網絡(Long Short-Term Memory, LSTM)模型，構建了一種三層結構的時序學習反饋系統，實驗裝置如圖1所示。該系統在面對來自環境擾動、系統非線性以及多源耦合反饋的復合擾動時，依然可以實現高精度預測與快速校正。實驗結果表明，在未校正狀態下，HCF輸出端激光指向在水平方向和豎直方向的RMS抖動分別為4.04和4.64 μrad，通過實時采集并進行反饋控制，指向抖動被有效抑制至0.869和0.903 μrad，穩定性大幅提升。相比傳統回歸模型和淺層網絡，三層LSTM在預測精度與收斂性能方面表現理想，且具備良好的訓練穩定性與可擴展性。本研究不僅為非線性光學系統中飛秒激光指向穩定輸出提供了保障，也展示了機器學習在非線性光學系統反饋控制中的巨大潛力，為構建新一代智能化、高帶寬、自適應的超快激光系統提供了理論支撐和技術途徑。

該工作得到了國家自然科學基金、國家重點研發計劃和基礎研究特區計劃的支持。

審核編輯 黃宇