LLM4Laser：大语言模型自动化激光器设计
光学
2025-11-25 v3
摘要
随着全球自动驾驶技术的快速发展，对其核心传感硬件光探测与测距（LiDAR）的需求正在攀升。作为 LiDAR 系统的光源部分，激光器，尤其是前沿的光子晶体表面发射激光器（PCSEL），相应地引起了广泛的研究关注。传统的 PCSEL 手动设计与优化通常需要半导体物理方面的专业知识以及数月的专注努力才能获得满意结果。虽然 AI 驱动的方法可以加速这一过程，激光器设计者仍需投入时间学习所涉及的 AI 算法。同时，大语言模型（LLMs）利用其强大的推理能力，能够有效理解自然语言并在多轮对话中提供建设性反馈。它们已经展现出协助人类在机器人设计和化学发现等科学领域的潜力。一个自然产生的问题是：LLMs 能否变革激光器设计过程？本文提出了一种新颖的人-AI 协同设计范式，表明 LLMs 能在概念和技术上指导激光器设计与优化过程。具体而言，通过简单对话，GPT 协助我们编写了时域有限差分（FDTD）仿真代码和深度强化学习（RL）代码，以获取优化的 PCSEL 方案，从思想提出到算法实现。鉴于 GPT 在给定详细具体提示时表现更好，我们将 PCSEL 设计问题分解为一系列子问题，并通过提出开放式启发式问题而非确定性命令与 GPT 对话。我们朝着自动驾驶实验室——即用于激光器设计和生产的全自动化 AI 驱动流水线——实现了重大里程碑。
引用
@article{arxiv.2104.12145,
title = {LLM4Laser: Large Language Models Automate the Design of Lasers},
author = {Renjie Li and Ceyao Zhang and Sixuan Mao and Xiyuan Zhou and Feng Yin and Sergios Theodoridis and Zhaoyu Zhang},
journal= {arXiv preprint arXiv:2104.12145},
year = {2025}
}
备注
14 pages, 10 figures