利用样本高效机器学习方法自动化实验光学
光学
2025-07-22 v1 机器学习
摘要
随着自由空间光学系统的规模和复杂性不断增长，故障排查变得越来越耗时，在远程安装的情况下可能甚至不切实际。一个通常费力的任务是对高精细度光学谐振腔进行对准，该谐振腔对输入光束的模式高度敏感。在本工作中，我们展示了如何利用机器学习以最少的监督实现自由空间光学谐振腔的自主模式匹配。我们的方法利用样本高效的算法来降低数据需求，同时保持简单的架构以便于部署。我们开发的强化学习方案表明，即使在实验参数容易漂移的系统中（这在现实应用中很常见），自动化也是可行的。
引用
@article{arxiv.2503.14260,
title = {Automating Experimental Optics with Sample Efficient Machine Learning Methods},
author = {Arindam Saha and Baramee Charoensombutamon and Thibault Michel and V. Vijendran and Lachlan Walker and Akira Furusawa and Syed M. Assad and Ben C. Buchler and Ping Koy Lam and Aaron D. Tranter},
journal= {arXiv preprint arXiv:2503.14260},
year = {2025}
}