Nedávno výskumný tím zo Spoločného laboratória fyziky vysokovýkonných laserov, Šanghajský inštitút optiky a presných strojov, Čínska akadémia vied (SIPM, CAS), identifikoval a analyzoval anomálne výstupy v blízkom poli modernizovaného zariadenia SG-II. pomocou výpočtovej metódy vzdušného priestoru a modelu hlbokého učenia s mechanizmom pozornosti na splnenie požiadaviek v reálnom čase a platnosti pre analýzu viacerých výstupov blízko poľa vysokovýkonného laserového zariadenia. Súvisiace výsledky sú zhrnuté ako "Analýza blízkeho poľa vysokovýkonného laserového zariadenia s použitím vypočítaných metód a zvyškovej konvolučnej neurónovej siete s mechanizmom pozornosti" v Optics and Lasers in Engineering.
Fyzikálny výskum inerciálnej fúzie (ICF) kladie veľmi prísne požiadavky na výstupný výkon a spoľahlivosť vysokovýkonných laserových ovládačov, v ktorých rovnomerné rozloženie blízkeho poľa prispieva k zvýšeniu prevádzkového toku systému, k ochrane následnej optiky a spĺňajúce požiadavky na dlhodobú vysokú intenzitu a spoľahlivú prevádzku systému. Vysokovýkonné laserové zariadenia obsahujú viacero laserových lúčov a metódy manuálnej identifikácie nie sú dostatočne včasné a účinné; preto sú potrebné účinné metódy na analýzu stavu blízkeho poľa v rôznych okamihoch a poskytovanie včasných varovaní. Konvolučné neurónové siete (CNN) majú výkonné možnosti extrakcie funkcií a možno ich trénovať na historických údajoch, aby vyhovovali potrebám zložitých a rôznorodých úloh.
Výskumníci navrhujú použiť metódu výpočtu vzdušného priestoru a model reziduálnej konvolučnej neurónovej siete s dodatočným mechanizmom pozornosti na počiatočné posúdenie prevádzkového stavu modernizovanej jednotky SG-II na základe veľkého počtu snímok z blízkeho poľa v rôznych časoch. Metóda výpočtu vzdušného priestoru sa používa na dávkové spracovanie obrazov blízkeho poľa detekovaného CCD a zmeny v rovnomernosti distribúcie blízkeho poľa počas nepretržitej prevádzky zariadenia možno analyzovať modulačným režimom a kontrastom. Algoritmus automaticky extrahuje platné oblasti blízkeho poľa, čo tiež poskytuje krok predspracovania pre obrázky používané na trénovanie modelu konvolučnej neurónovej siete. Model konvolučnej neurónovej siete sa používa na automatickú identifikáciu a klasifikáciu vlastností obrazu blízkeho poľa s viacerými štítkami, aby sa umožnila detekcia anomálií stavu blízkeho poľa so základnou frekvenciou (1ω). V tejto práci výskumníci vybrali šesť funkcií vrátane rovnomernosti distribúcie v blízkom poli, anomálnych výstupných signálov a silných difrakčných slučiek, ktoré sa majú analyzovať, a presnosť klasifikácie modelu dosiahla 93% a model bol schopný robiť rozhodnutia v reálnom čase. na ľubovoľnom počte snímok blízkeho poľa vzhľadom na vyššie uvedených šesť znakov.
V nasledujúcich štúdiách, keď sa množstvo experimentálnych údajov zvyšuje, výskumníci spresnia klasifikačné štítky anomálnych prvkov, najmä podobných prvkov, aby vytvorili robustnejší model. Táto práca skúma efektívnu aplikáciu modelov hlbokého učenia vo vysokovýkonných laserových zariadeniach ICF a očakáva sa, že v budúcnosti bude pokračovať v rozširovaní aplikácie modelov hlbokého učenia s cieľom poskytnúť inteligentné analytické prostriedky pre veľké laserové zariadenia.
Obr. 1 Výsledky metódy výpočtu vzdušného priestoru (a) Snímka získaná CCD (b) Histogram distribúcie šedej v blízkom poli (c) Histogram distribúcie šedej v blízkom poli po odstránení pozadia (d) Binárny obrázok po odstránení pozadia Obr. (e) Otočená snímka blízkeho poľa po Houghovej transformácii (f) Otočená binárna snímka (g) Orezaná snímka blízkeho poľa (h) 85 % oblasť snímky blízkeho poľa
Obr. 2 Štruktúra modelu konvolučnej neurónovej siete zvyškovej priestorovej pozornosti
