fighting!!!
光栅光谱仪
近期,中国科学院上海光学精密机械研究所精密光学制造与检测中心在基于监督学习的超精密光学曲面自适应工艺决策方面取得重要进展。研究团队首次提出了一种傅里叶卷积-并联神经网络框架,攻克了光学加工领域小样本训练条件下高维度输出的瓶颈难题,综合训练正确率优于90%,实现了数字化子孔径制造多维度参数组合加工智能化决策,对光学制造的智能化发展具有重要指导意义。相关研究成果以“Fourier convolution-parallel neural network framework with library matching for multi-tool processing decision-making in optical fabrication”为题发表在Optics Letters上。
现代光学系统如光刻系统、大型望远镜和高功率激光等对各类超精密光学元件数量和表面质量提出了更高的需求,而现有工艺决策很大程度上仍然依赖经验丰富的技术专家,受专业人员的稀缺性以及人工决策的不稳定性影响,决策过程智能化是光学制造精度和效率进一步提升面临的关键问题。近年来,数据驱动的机器学习网络发展为解决这一瓶颈问题提供了可能;但在光学加工领域,训练样本获取难而决策维度高,如何实现小样本条件下的有效训练来满足高特征维度输出要求,是数据驱动智能化光学加工发展面临的首要难题。
图1 结合去除函数库匹配的傅里叶卷积-并联神经网络框架
针对以上问题,研究团队首次提出了一种结合去除函数库匹配的傅里叶卷积-并联神经网络框架,实现了数据驱动下工具种类、尺寸、磨料类型和体去除率等关键参数的联合自主决策,决策范围涵盖了自研磨/粗抛到修形/光顺等大部分工艺流程,也是首次证明了光学制造通过数据驱动神经网络解决的可行性。实验结果表明,仅在网络模型的指导下,260mm260mm的离轴非球面镜的面形精度(PV)可由初始的15.153λ收敛至0.42λ(λ=632.8nm),RMS由初始的2.944λ收敛至0.064λ,总加工时间仅为25.34个小时,收敛率优于97%,已达到专业技术人员决策水平。该研究成果对超精密光学元件的高效制造具有重要价值,并有可能将光学制造的智能化水平推向新的高度。
图2 网络模型指导下离轴非球面镜的加工结果
[来源: 中科院上海光机所]
应对GB/T 5750-2023,谱临晟离子色谱及形态分析解决方案
2023.05.24
中智科仪“匠人”精神打造国产仪器—— 5/10,000,000,000秒的”逐光者”
2023.05.22
波谱新生力量汇聚,未来可期!——2023年度北京波谱年会圆满闭幕
2023.05.21
2024.07.12
2024.07.12
1878万贵州省水生态监测管理体系建设及综合能力提升项目(实验室能力建设)
2024.07.12
版权与免责声明:
① 凡本网注明"来源:仪器信息网"的所有作品,版权均属于仪器信息网,未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品,应在授权范围内使用,并注明"来源:仪器信息网"。违者本网将追究相关法律责任。
② 本网凡注明"来源:xxx(非本网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。
③ 如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为默认仪器信息网有权转载。
谢谢您的赞赏,您的鼓励是我前进的动力~
打赏失败了~
评论成功+4积分
评论成功,积分获取达到限制
投票成功~
投票失败了~