光损伤是制约高功率激光系统输出能力的重要瓶颈，对其在光路以及诱发下游光学元器件损伤位置的精确预判分析，是提高激光系统安全性、节约运行成本的重要手段。
该项研究中，基于神经网络可以更加快速和准确地表示一些非线性物理效应，研究团队将深度学习这一前沿技术有机融合到高功率激光系统中，
首先利用计算全息的概念，通过数值反演缺陷点调制产生的衍射图像（图1），实现微小光损伤的轴向精确定位。然后结合衍射环的梯度方向特征，创新性提出适用于衍射环检测的神经网络Diffraction-Net（图2），实现对重叠率大于61%的衍射环识别，有效提高了损伤点的横向分辨率。这是目前文献报道的最好结果。此外，利用该方法，在级联光学元器件中对8μm量级的微小光损伤三维定位精度进行了实验验证，实际获得了横向定位误差小于38.5μm和轴向定位误差小于2.85mm的结果。理论分析与实验结果充分证明该方法在光损伤三维精确定位与预判中的可行性（图3），该方法在激光时空精确调控等方面具有潜在应用前景，并得到审稿人的高度评价：“This is a remarkable work”。
相关研究得到中科院先导专项A类子课题的资助。
原文链接
图1基于衍射图像对光损伤定位与预判的原理示意图
图2提出的神经网络Diffraciton-Net结构图
图3光损伤精确定位实验验证结果
责任编辑：余玉婷
