近日，我院光場(chǎng)調(diào)控與智能光子學(xué)團(tuán)隊(duì)在自聚焦光束的神經(jīng)網(wǎng)絡(luò)逆向設(shè)計(jì)研究中取得進(jìn)展，相關(guān)成果已被《Optics and Laser Technology》（JCR物理一區(qū)Top）和《Optics Communications》（本科生一作、JCR物理二區(qū)）期刊接收發(fā)表，題目分別為“Inverse design and performance prediction of autofocusing beams using deep learning”和“Optical trapping force exploration on Mie particles for structured light via multivariate sensitivity analysis and deep learning”。

自聚焦光束是結(jié)構(gòu)光場(chǎng)光鑷中常用的光束，為了提高結(jié)構(gòu)光場(chǎng)光鑷的性能，研究人員通常需要大量的模擬仿真計(jì)算和實(shí)驗(yàn)驗(yàn)證來(lái)確定光束的具體結(jié)構(gòu)參數(shù)，以增強(qiáng)光鑷系統(tǒng)的捕獲能力。然而，對(duì)自聚焦光束的精細(xì)設(shè)計(jì)需要對(duì)更多的結(jié)構(gòu)參數(shù)進(jìn)行優(yōu)化，這使得通過(guò)人工方法找到高維度參數(shù)空間中的最優(yōu)解變得愈發(fā)困難。深度神經(jīng)網(wǎng)絡(luò)為復(fù)雜結(jié)構(gòu)光的快速優(yōu)化提供了新方案。

研究提出了一種基于深度學(xué)習(xí)的自會(huì)聚光束逆向設(shè)計(jì)和性能預(yù)測(cè)方法。通過(guò)計(jì)算艾里光束在空間中的自聚焦傳播特性，建立光束結(jié)構(gòu)參數(shù)與性能參數(shù)之間的映射。根據(jù)所需的焦距、焦點(diǎn)強(qiáng)度和最大光力，以及光束結(jié)構(gòu)參數(shù)，如橫向比例因子、空間偏移因子和指數(shù)衰減因子等，搭建了一個(gè)深度學(xué)習(xí)模型來(lái)逆向設(shè)計(jì)自聚焦光束，設(shè)計(jì)一組結(jié)構(gòu)參數(shù)的平均時(shí)間不到35毫秒，其精度可達(dá)97.9%。進(jìn)一步，用艾里光束在源面上的強(qiáng)度分布代替性能參數(shù)作為深度學(xué)習(xí)模型的輸入，使得這一模型能夠推廣到包括艾里光束在內(nèi)的其他結(jié)構(gòu)光場(chǎng)中去。

本研究不僅探索了“AI+結(jié)構(gòu)光場(chǎng)”在自聚焦光束逆向設(shè)計(jì)上的應(yīng)用，而且克服了傳統(tǒng)方法在結(jié)構(gòu)光場(chǎng)設(shè)計(jì)中的局限性，取得了逆向設(shè)計(jì)精度與設(shè)計(jì)速度的雙突破。

圖3 （a）神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)；（b）CAB逆向設(shè)計(jì)流程。

工作得到了國(guó)家自然科學(xué)基金、廣西自然科學(xué)基金等項(xiàng)目資助。

論文作者：魏子韜（碩士生），陸小芳（碩士生），余家灝（本科生），洪佩龍（通訊作者），任煜軒（通訊作者），梁毅（通訊作者）。

論文鏈接：https://doi.org/10.1016/j.optlastec.2025.114308

論文作者：余家灝（本科生），馮迷（本科生），郭彩霞（本科生），黎寶升（本科生），陸小芳（碩士生），魏子韜（碩士生），梁毅（通訊作者）。

論文鏈接：https://doi.org/10.1016/j.optcom.2025.132383