基于神经网络的半导体膜外腔激光器光学温度传感
光学
2024-10-31 v1 机器学习
应用物理
摘要
本文提出了一种基于机器学习的非接触式方法，通过训练好的少层神经网络模型，利用激光发射来确定激光增益介质的温度。前馈神经网络(NN)的训练使其能够仅从光谱数据预测器件特性，这里使用可见/近红外光紧凑型微型光谱仪记录二极管泵浦激光器和半导体盘激光器的光泵浦增益膜的光谱数据。光纤光谱仪用于获取大量带标签的强度数据，这些数据随后可用于预测过程。这种预训练的深度神经网络能够在后续监测阶段，无需额外的光学诊断或读出温度传感器，快速、可靠且简便地推断出激光系统（如我们的膜外腔激光器）的温度。借助微型移动光谱仪和远程检测能力，可以使用预训练模型的迁移学习方法，将温度推断能力适配于各种激光二极管。在此，我们达到了与传感器方案亚百分比精度相对应的温度推断均方误差值，同时可以通过降低网络深度来节省计算成本，但会牺牲此处展示的精度，这适用于不同的应用场景。
引用
@article{arxiv.2410.22528,
title = {Towards Neural-Network-based optical temperature sensing of Semiconductor Membrane External Cavity Laser},
author = {Jakob Mannstadt and Arash Rahimi-Iman},
journal= {arXiv preprint arXiv:2410.22528},
year = {2024}
}