详细内容或原文请订阅后点击阅览
科学家利用 AI 将超快激光模拟增强 250 倍以上
研究人员开发了一种基于深度学习的替代模型，可显着加快先进激光系统中使用的非线性光学过程的模拟速度。模拟超快激光系统背后的复杂光学行为需要巨大的计算能力，这给依赖快速反馈的实验带来了重大挑战。来自斯坦福大学、加州大学洛杉矶分校的研究人员 [...]
来源:SciTech日报研究人员开发了一种基于深度学习的替代模型，可显着加快先进激光系统中使用的非线性光学过程的模拟速度。
模拟超快激光系统背后的复杂光学行为需要巨大的计算能力，这给依赖快速反馈的实验带来了重大挑战。
来自斯坦福大学、加州大学洛杉矶分校 (UCLA) 和 SLAC 国家加速器实验室的研究人员现已开发出一种深度学习替代模型，可显着加快这些模拟速度，同时在各种激光脉冲形状中仍保持高精度。
非线性光学和 X 射线产生
研究重点是二阶非线性光学，也称为 χ2 过程。在这些相互作用中，光波在专门设计的晶体内交换能量，产生新的频率和定制的脉冲形状。
这些过程对于粒子加速器设施至关重要。在 SLAC 升级的直线加速器相干光源 (LCLS-II) 中，红外激光脉冲首先转换为绿光，然后转换为紫外 (UV) 光。紫外线脉冲撞击阴极，释放电子束，随后加速并整形以产生强大的 X 射线脉冲。
UV 脉冲的时间和形状直接影响电子束的行为以及用于科学实验的 X 射线的质量。这种非线性 χ2 频率转换过程的新替代模型已在《Advanced Photonics》中报道。
传统模拟依赖于使用分步傅立叶法 (SSFM) 求解非线性薛定谔方程。尽管精度很高，但该方法的计算成本很高，因为它在每个传播步骤期间在时域和频域计算之间重复切换。在完整的激光模拟中，此阶段约占总运行时间的 95%。
深度学习取代最慢的步骤
DOI：10.1117/1.AP.8.3.036004