聚焦光场强度是超强超短激光与物质相互作用实验中最为核心的技术指标之一。本文提出了10 PW激光系统在真空条件下聚焦光场的参数测量方案，解决了终端物理靶场在真空环境中难以实现激光参数准确测量的难题。该方案通过平场消色差物镜和大口径光学器件优化设计，降低了取样测量系统引入的色差和单色像差。利用理想光源对取样测量系统进行标定，结果显示，该系统引入的波前畸变峰谷值（PV值）为0.106 μm，均方根值（RMS值）为0.016 μm，接近测量仪器的最小极限值，对主激光测量误差的影响可以忽略。同时，取样测量系统实现了终端变形镜与波前探测器的严格物像共轭关系，保证了自适应光学系统波前校正效果最优。通过对比空气条件和真空条件下的波前和焦斑测量结果，验证了取样测量系统的有效性。在真空条件下，利用该取样测量系统对激光脉冲进行波前、焦斑测量和优化，获得了接近衍射极限的聚焦焦斑。2.7 PW激光脉冲经焦距为2000 mm的离轴抛物面镜聚焦后，聚焦光强可达到4×10²¹ W/cm²，能为物理实验提供极端的物理条件。

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。

自适应光学是一种校正波前误差的技术，在地基望远镜、生物成像、人眼像差校正、激光通信等领域中已经有了广泛的应用。与此同时，深度学习技术的快速发展为各个领域带来了全新的方法。为了进一步提升传统自适应光学系统的性能，研究者将自适应光学技术与深度学习相结合，从实时性、抗噪声干扰能力等角度对已有自适应光学系统进行了改进。首先对目前常用的人工神经网络架构进行了介绍，然后详细阐述了近五年深度学习与自适应光学技术相结合的方法，最后对已有方法进行了总结，并对该技术未来的发展方向进行了展望。

光学显微镜是生物医学研究必不可少的工具，其中双光子显微成像技术具有大深度三维显微成像功能，被认为是深层生物组织研究的首选工具。但是，在双光子成像系统使用过程中，光学系统的装配偏差、光学元件不理想以及生物样品的不均匀性都会在成像过程中引入像差，从而降低成像质量。通过在双光子显微成像系统中引入自适应光学技术，可实现对像差的有效校正，从而提高成像的分辨率、深度和视场。介绍了双光子显微成像中的像差来源和特点，概述了自适应光学技术中不同的探测和校正方法，综述了近年来自适应光学技术在双光子显微成像中不同的应用成果，最后对自适应光学在双光子显微成像中的发展进行了展望。

实际自适应光学控制系统中存在的时间延迟，导致校正器生成的校正面形与实际的波前畸变不匹配，产生校正滞后误差。基于大气冻结湍流假设，提出了一种基于运动估计的波前畸变预测方法，来补偿时间延迟带来的影响。方法具体采用模板匹配算法，根据参考帧和当前帧的波前复原图像进行大气湍流运动方向估计，然后对当前帧进行移动处理来实现对下一帧图像的预测。通过采用不同采样频率、不同横向风速度的仿真数据对比，评估预测方法的适用范围，讨论回溯帧数对预测效果的影响。也与采用最小递归二乘(RLS)模式预测方法的预测效果进行比较。仿真结果显示，在波前复原图像变化趋势较为明显的情况下，即横向风对大气湍流变化影响占主导地位时，方法表现更好，使得在天气较为恶劣的情况下仍能保持更佳的预测效果。最后使用实际天狼星观测数据对预测方法进行验证，整体仍保持预测效果。

空间激光通信系统中, 波前校正系统时间延迟引起校正器生成的校正面形与实际的畸变不匹配, 最终导致校正滞后误差。针对这一问题, 分析大气扰动产生的时序像差模型, 提出一种基于运动估计的波前预测补偿技术。在大气冻结模型假设下, 采用自适应根模式搜索(ARPS)运动估计算法, 根据参考帧与当前帧的畸变光斑图像对下一帧的大气扰动进行估计。仿真结果表明: 在50 Hz采样频率下, 波长为1550 nm、口径为0.1 m的望远镜系统在10 m/s等效风速时归一化光强图像校正残差从1.24 rad降低到1.17 rad。