利用深度学习实时重构强超快激光脉冲
光学
2021-04-20 v1
摘要
超快激光（< fs）仅以毫焦耳量级的激光能量便实现了超过 强度下的激光-物质相互作用。然而，随着脉冲持续时间变短，需要更大的光谱带宽。带宽增加导致时间结构对光谱相位愈发敏感，而测量激光脉冲的光谱相位并非易事。虽然平方可积探测器无法直接测量光谱相位，但可通过测量非线性光学效应的光谱响应来重构相位信息。我们引入了一种使用广义非线性薛定谔方程与自相位调制（一种由材料传播产生的 非线性）的新深度学习方案。通过在已知材料中脉冲传播的数值模拟上训练神经网络，光谱变化的特征可用于重构光谱相位。该技术对脉冲的局部 fluence 也敏感，从而能够计算完整的时间强度剖面。我们在经历中等材料色散的模拟大带宽脉冲以及具有显著材料色散的实验产生宽带光谱上演示了我们的方法。即使引入适量噪声，误差率也很低。借助单块玻璃板与光学光谱仪，可在强超快激光系统上实时进行单发相位与 fluence 测量。
引用
@article{arxiv.2104.08372,
title = {Real-time reconstruction of intense, ultrafast laser pulses using deep learning},
author = {Matthew Stanfield and Jordan Ott and Christopher Gardner and Nicholas F. Beier and Deano Farinella and Christopher A. Mancuso and Pierre Baldi and Franklin Dollar},
journal= {arXiv preprint arXiv:2104.08372},
year = {2021}
}