Menu

Menu

上海光机所使用深度强化学习实现激光自锁模

Original 上海光机所 激光评论 2022-06-13 17:00 Posted on 上海

01 导读

中国科学院上海光学精密机械研究所朱健强研究员领衔的高功率激光物理联合实验室中,前沿发展部刘德安研究员和欧阳小平副研究员、博士生李展等人合作的研究团队,将深度强化学习用于超快激光种子源(锁模光纤激光器)锁模状态搜索,并且取得了重要研究进展。

相关成果以“Deep reinforcement with spectrum series learning control for a mode-locked fiber laser”为题于2022年05月26日正式发表于Photonics Research

2022 | 前沿进展

02 研究背景

基于非线性偏振演化机制的锁模光纤激光器广泛应用于光通信、传感、精细加工、生物医学等领域。然而,这种激光器的腔内参数对环境变化很敏感,需要光纤的严格固定和环境屏蔽来实现激光器的稳定运行。这限制了它的应用条件。

为了提高锁模光纤激光器的鲁棒性,基于遗传算法和自适应控制的各种算法已被用于驱动电动偏振控制器(EPC),使激光器自调谐。然而,当前的控制策略仅将锁模搜索视为优化问题,并使用精心设计的损失函数和特殊的反馈回路来加速它。没有考虑锁模过程的物理机制,难以建立从激光输出到电动偏振控制器状态的映射。
孤子锁模激光器的产生取决于光纤中色散、增益、损耗和自相位调制和动态平衡。保持这种平衡是一个进化传播过程,表现出高度的时间依赖性。这意味着可以在算法设计中提取时间序列特征来做出决策。另一方面,特定环境下的智能算法,需要在初始阶段经过充分的搜索,学习环境的高维特征,从而基于以往的经验和当前的观察,直接得出下一步的动作。基于深度学习的神经网络是这些问题的解决方案。

03 研究创新点

本研究工作针对超快激光器种子源(锁模光纤激光器)稳定锁模状态快速搜索的技术需求,提出了一种锁模工作模式搜索(MDRL)和状态切换算法(MSP)。该算法结合了时间序列深度强化学习和长短时记忆网络,可有效搜索耗散孤子锁模激光器(图1)的锁模状态并完成不同运行状态之间的切换(图2)。数值模拟表明,激光腔的动态特征可以从光谱序列中获得。

上海光机所使用深度强化学习实现激光自锁模

图1 耗散孤子锁模激光器

上海光机所使用深度强化学习实现激光自锁模
图2 时间序列深度强化学习算法模型
与传统的进化搜索算法相比,该模型大大提高了锁模搜索的效率。在实验中,所提出的算法平均只用了690 ms即可获得稳定的锁模状态,搜索次数比传统方法少一个数量级,也是目前报道搜索次数最少的方法(图3)。在16°C–30°C温度环境下,该方法平均只需18次搜索就可以获得稳定的锁模状态,极大地提高了激光器在复杂环境下的适应能力。
上海光机所使用深度强化学习实现激光自锁模

图3 随机初始状态锁模搜索结果

04 总结与展望

该方法是无模型的,因此不仅可以用于锁模状态的搜索,还可以获得特殊时间-光谱特性的锁模动力学模式,在激光时空精确调控等方面有潜在应用前景,受到国内外同行的关注。

研究工作得到国家自然科学基金(11774364)、中国科学院战略性先导科技专项(A类)资助项目(XDA25020302, XDA25020306)、中国科学院国际合作项目(181231KYSB20170022)的资助。
文章链接:
https://doi.org/10.1364/PRJ.455493

免责声明:本文旨在传递更多科研资讯及分享,所有其他媒、网来源均注明出处,如涉及版权问题,请作者第一时间联系我们,我们将协调进行处理,最终解释权归旭为光电所有。