1 南京大学 集成电路学院,苏州 215163
2 南京大学 电子科学与工程学院,南京 210093
3 西北大学 化学与材料科学学院,西安 710069
4 四川大学 物理学院,成都 610065
5 中山大学 微电子科学与技术学院,珠海 519082
6 西安交通大学 电子科学与工程学院,西安 710049
7 南京大学 现代工程与应用科学学院,南京 210093
人工设计的光子学器件在现代光学的各个领域都有广阔的应用前景。传统光子学器件的设计通常是基于已知的物理模型,然后通过数值模拟方法对结构进行优化设计。由于器件结构很大程度上依赖于先验模型,所以传统优化设计的自由度是有限的。随着近年来对高性能光子学器件需求的日益增长,具有更高设计自由度的逆向设计方法得到了快速发展。逆向设计方法打破了传统方法的设计局限性,可以在全参数空间中实现高效的参数优化,因此更可能得到具有极限性能的器件结构。本文总结了光子学器件逆向设计的常用方法,并给出了逆向设计在各个光子学领域中的具体应用。随着计算机科学的不断发展,逆向设计方法展现出无与伦比的潜力,有望在各个光学领域中实现更高自由度的光场调控。
遗传算法 梯度下降算法 拓扑优化 神经网络 纳米光子学 Genetic algorithm Gradient descent algorithm Topology optimization Neural network Nanophotonics
1 江苏海洋大学电子工程学院,江苏 连云港 222005
2 金陵科技学院网络与通信工程学院,江苏 南京 211169
随机并行梯度下降(SPGD)算法是无波前探测自适应光学(AO)系统最常用的控制算法,这种方法一般以变形镜的驱动电压作为控制参数。但随着变形镜单元数的增加,以变形镜驱动电压作为控制参数的AO系统的收敛速度将会大大降低,常采用模式法来降低控制参数的维度。对比分析了不同单元数的变形镜对K?L模式和Zernike模式各阶像差的拟合能力,并以大气湍流影响下的光波波前像差作为校正对象,分别考察了K?L模式和Zernike模式系数作为控制参数时的AO系统的收敛速度和校正效果。结果表明:以常规SPGD控制算法(以驱动器电压作为控制参数)的收敛情况作为参考指标时,基于K?L模式的SPGD控制算法和基于Zernike模式的SPGD控制算法的收敛速度相较于常规SPGD控制算法分别提升了47.5%和29.4%。当大气湍流强度分别为10、15、20时,以K?L模式系数作为控制参数时的校正效果和收敛速度均优于以Zernike模式系数作为控制参数时的情况。以上研究结果为基于K?L模式的SPGD控制算法的实际应用提供了参考。
光通信 自适应光学 随机并行梯度下降 变形镜 K‑L模式 波前校正 中国激光
2023, 50(14): 1405001
强激光与粒子束
2023, 35(4): 041010
1 苏州科技大学物理科学与技术学院,江苏省微纳热流技术与能源应用重点实验室,江苏 苏州 215009
2 江南大学理学院,江苏 无锡 214122
3 北京联合大学数理部,北京 100101
4 中国航天科技集团公司上海卫星工程研究所,上海 201109
随机并行梯度下降(SPGD)算法广泛应用于光学系统静态像差校正,其性能指标对校正效果影响较大。由于传统的环围能量(EE)校正精度低、平均半径(MR)稳定性差,提出性能指标组合法,以实现静态像差的高精度、稳定校正。所提方法将EE与MR性能指标相结合进行像差校正,首先以EE作为性能指标对畸变图像进行校正,待能量集中于环围区域后,利用MR性能指标继续进行校正,直至能量分布均匀,校正终止。首先进行了校正仿真,结果显示:相比于EE和MR方法,性能指标组合法对静态像差的校正精度高、稳定性好。搭建实验光路,验证了所提方法的有效性。模拟和实验结果均表明,采用性能指标组合法可以获得高的校正精度且校正稳定。该方法可以应用于光学系统静态像差的校正和消除,实现其接近衍射极限的光学性能。
成像系统 随机并行梯度下降算法 静态像差 性能指标 校正精度 稳定性
1 中国科学院上海光学精密机械研究所空间激光传输与探测技术重点实验室,上海 201800
2 中国科学院大学材料与光电研究中心,北京 100049
3 中国科学院上海光学精密机械研究所航天激光工程部,上海 201800
随机并行梯度下降(SPGD)算法是一种应用广泛的最优化算法,在光学相控阵的多光束相位调控中具有重要作用。常规的SPGD算法在光学相控阵单元数目较大的应用场景下存在着迭代步数多、收敛速度慢等缺陷。为此提出了一种分级SPGD算法,将多光束进行分级,通过在多级使用SPGD算法对光束的调控来实现快速收敛和稳定维持。介绍了该算法的理论模型和流程,运用数值仿真的方式与传统算法进行了性能比较,结果表明,分级SPGD算法能够在大规模光学相控阵中显著提高收敛速度。搭建了光学相控阵实验系统进行分级SPGD算法的原理和可行性验证,在不同光束数目条件下实现了分级SPGD算法的闭环锁相,验证了算法的优越性,结果显示分级算法在32路光束时可以将迭代次数降低到常规算法的59.6%。
激光光学 光学相控阵 分级随机并行梯度下降算法 相位调控
1 上海理工大学光电信息与计算机工程学院, 上海 200093
2 上海理工大学光电信息与计算机工程学院, 上海 200093栾
相位定量检测是检测入射光场波前的重要指标, Shack-Hartmann波前传感器能够同时测量波前的振幅和相位分布, 但其分辨率较低。针对传统的非干涉相位检测法需要两台放置在不同位置的相机, 使用两幅图像之间的相位差来估算波前的相位信息, 造成了相位成像系统的复杂性和不确定性的问题, 提出了将宽带光源作为照明光源, 只需单次拍摄彩色图像输入神经网络并使用梯度下降算法进行优化的相位重建方法。仿真和试验结果表明, 这项技术将物理模型和神经网络相结合, 能够以高分辨、高速度、低成本实现待测物体的相位重建工作。其中作为评价重建图像质量的均方误差函数(MSE)最小可达到0.089 rad, 对于透明细胞的相位重建质量为0.133 rad, 要优于GS法(0.320 rad)和TIE法(0.378 rad)。因此, 提出的基于神经网络的宽带光源相位重建方法可以运用于自适应光学、活细胞生物实时成像等领域。
非相干检测 相位重建 神经网络 梯度下降算法 incoherent detection phase retrieval neural network gradient descent algorithm
1 重庆邮电大学 通信与信息工程学院,重庆 400065
2 信号与信息处理重庆市重点实验室,重庆 400065
为了提高传统随机并行梯度下降 (Stochastic Parallel Gradient Descent, SPGD) 算法校正波前畸变的性能,提出了一种基于AdaBelief优化器的新型SPGD优化算法。该算法将深度学习中AdaBelief优化器的一阶动量和二阶动量集成到SPGD算法中以提高算法的收敛速度,并使得算法能够自适应地调整增益系数。 此外,对实际增益系数进行自适应动态裁剪以避免因实际增益系数出现极端值而造成的震荡。仿真结果表明:在37单元变形镜 (Deformable Mirror, DM)下,新型SPGD优化算法能够对不同湍流强度下的波前畸变实现有效校正,不同波前畸变经过校正后的斯特列尔比(Strehl ratio, SR)分别提升至0.83、0.47和0.31。此外,该算法在不同湍流强度下的SR仅仅需要149、229和230次迭代达到阈值,与传统SPGD算法及其他优化算法相比有更快的收敛速度,且在稳定性和参数调节方面也具有一定的优越性。
自适应光学 大气湍流 波前畸变 随机并行梯度下降算法 adaptive optics atmospheric turbulence wavefront distortion stochastic parallel gradient descent algorithm 红外与激光工程
2022, 51(8): 20210697
红外与激光工程
2022, 51(9): 20210827