Son zamanlarda, Çin Bilimler Akademisi (SIPM, CAS), Şangay Optik ve Hassas Makine Enstitüsü, Yüksek Güçlü Lazer Fiziği Ortak Laboratuvarı'ndan bir araştırma ekibi, yükseltilmiş SG-II cihazının anormal yakın alan çıktılarını tanımladı ve analiz etti. Yüksek güçlü lazer cihazının çoklu yakın alan çıktılarının analizi için gerçek zamanlı ve geçerlilik gereksinimlerini karşılamak üzere hava sahası hesaplama yöntemini ve dikkat mekanizmasıyla birlikte derin öğrenme modelini kullanarak. İlgili sonuçlar, Mühendislikte Optik ve Lazerler kitabında "Hesaplanmış yöntemler ve dikkat mekanizmasına sahip artık evrişimli sinir ağı kullanılarak yüksek güçlü lazer tesisinin yakın alan analizi" olarak özetlenmiştir.
Ataletsel sınırlama füzyonu (ICF) fiziği araştırması, yüksek güçlü lazer sürücülerin çıkış performansı ve güvenilirliği konusunda çok katı gereksinimler getirmektedir; burada yakın alanın tekdüze bir dağılımı, sistem çalışma akışını iyileştirmeye, sonraki optikleri korumaya yardımcı olur ve Sistemin uzun vadeli, yüksek yoğunluklu ve güvenilir çalışması için gereksinimlerin karşılanması. Yüksek güçlü lazer cihazları birden fazla lazer ışını içerir ve manuel tanımlama yöntemleri zamanında ve yeterince etkili değildir; bu nedenle farklı anlardaki yakın alan durumunu analiz edecek ve zamanında uyarı verecek etkili yöntemlere ihtiyaç vardır. Evrişimli sinir ağları (CNN'ler) güçlü özellik çıkarma yeteneklerine sahiptir ve karmaşık ve çeşitli görevlerin ihtiyaçlarını karşılamak için geçmiş veriler üzerinde eğitilebilir.
Araştırmacılar, farklı zamanlarda çok sayıda yakın alan görüntüsüne dayanarak yükseltilmiş SG-II ünitesinin operasyonel durumunu başlangıçta değerlendirmek için bir hava sahası hesaplama yöntemi ve ek bir dikkat mekanizmasına sahip artık evrişimli sinir ağı modelini kullanmayı öneriyor. Hava sahası hesaplama yöntemi, CCD ile tespit edilen yakın alan görüntülerini toplu olarak işlemek için kullanılır ve cihazın sürekli çalışma süresi boyunca yakın alan dağılımının tek biçimliliğindeki değişiklikler, modülasyon rejimi ve kontrast ile analiz edilebilir. Algoritma, geçerli yakın alan nokta bölgelerini otomatik olarak çıkarır ve bu aynı zamanda evrişimli sinir ağı modelini eğitmek için kullanılan görüntüler için bir ön işleme adımı da sağlar. Evrişimli sinir ağı modeli, temel frekans (1ω) yakın alan durumu anormalliklerinin tespitini mümkün kılmak için yakın alan görüntü özelliklerini birden fazla etiketle otomatik olarak tanımlamak ve sınıflandırmak için kullanılır. Bu çalışmada araştırmacılar, analiz edilmek üzere yakın alan dağılım tekdüzeliği, anormal çıkış sinyalleri ve güçlü kırınım döngüleri dahil olmak üzere altı özellik seçtiler ve modelin sınıflandırma doğruluğu %93'e ulaştı ve model, gerçek zamanlı kararlar verebildi. yukarıdaki altı özelliğe göre herhangi bir sayıda yakın alan görüntüsü üzerinde.
Sonraki çalışmalarda deneysel veri miktarı arttıkça araştırmacılar daha sağlam bir model oluşturmak için anormal özelliklerin, özellikle de benzer özelliklerin sınıflandırma etiketlerini hassaslaştıracaklardır. Bu çalışma, ICF yüksek güçlü lazer cihazlarında derin öğrenme modellerinin etkili uygulamasını araştırıyor ve büyük lazer cihazları için akıllı analiz araçları sağlamak üzere gelecekte derin öğrenme modellerinin uygulamasını genişletmeye devam etmesi bekleniyor.
Şekil 1 Hava sahası hesaplama yönteminin sonuçları (a) CCD ile elde edilen görüntü (b) Yakın alan gri seviye dağılımının histogramı (c) Arka plan kaldırıldıktan sonra yakın alan gri seviye dağılımının histogramı (d) Arka plan kaldırıldıktan sonra ikili görüntü (e) Hough dönüşümünden sonra döndürülmüş yakın alan görüntüsü (f) Döndürülmüş ikili görüntü (g) Kırpılmış yakın alan görüntüsü (h) Yakın alan görüntüsünün %85 bölgesi
Şekil 2 Uzamsal dikkat artık evrişimli sinir ağı modelinin yapısı
