Yn ddiweddar, mae tîm ymchwil o'r Labordy ar y Cyd o Ffiseg Laser Pwer Uchel, Sefydliad Opteg a Pheirianwaith Manwl Shanghai, Academi Gwyddorau Tsieineaidd (SIPM, CAS), wedi nodi a dadansoddi allbynnau maes agos afreolaidd y ddyfais huwchraddio SG-II trwy ddefnyddio'r dull cyfrifiadurol gofod awyr a'r model dysgu dwfn gyda'r mecanwaith sylw i fodloni'r gofynion amser real a dilysrwydd ar gyfer dadansoddi allbynnau maes agos lluosog y ddyfais laser pŵer uchel. Crynhoir y canlyniadau cysylltiedig fel "Dadansoddiad maes agos o'r cyfleuster laser pŵer uchel gan ddefnyddio dulliau wedi'u cyfrifo a rhwydwaith niwral convolutional gweddilliol gyda mecanwaith sylw" mewn Opteg a Laserau mewn Peirianneg.
Mae ymchwil ffiseg ymasiad cyfyngu anadweithiol (ICF) yn gosod gofynion llym iawn ar berfformiad allbwn a dibynadwyedd gyrwyr laser pŵer uchel, lle mae dosbarthiad unffurf o'r maes agos yn ffafriol i wella fflwcs gweithredu'r system, gan amddiffyn yr opteg ddilynol, a bodloni'r gofynion ar gyfer gweithredu'r system dwyster uchel a dibynadwy yn y tymor hir. Mae dyfeisiau laser pŵer uchel yn cynnwys trawstiau laser lluosog, ac nid yw dulliau adnabod â llaw yn ddigon amserol ac effeithiol; felly, mae angen dulliau effeithiol i ddadansoddi'r cyflwr maes agos ar wahanol adegau a darparu rhybuddion amserol. Mae gan rwydweithiau niwral convolutional (CNNs) alluoedd echdynnu nodweddion pwerus a gellir eu hyfforddi ar ddata hanesyddol i ddiwallu anghenion tasgau cymhleth ac amrywiol.
Mae'r ymchwilwyr yn bwriadu defnyddio dull cyfrifo gofod awyr a model rhwydwaith niwral convolutional gweddilliol gyda mecanwaith sylw ychwanegol i asesu statws gweithredol yr uned uwchraddedig SG-II i ddechrau yn seiliedig ar nifer fawr o ddelweddau maes agos ar wahanol adegau. Defnyddir y dull cyfrifo gofod awyr i swp-brosesu delweddau ger maes a ddarganfuwyd gan CCD, a gellir dadansoddi newidiadau yn unffurfiaeth y dosbarthiad maes agos dros amser gweithredu parhaus y ddyfais yn ôl y drefn fodiwleiddio a chyferbyniad. Mae'r algorithm yn echdynnu rhanbarthau sbot agos-cae dilys yn awtomatig, sydd hefyd yn darparu cam rhagbrosesu ar gyfer y delweddau a ddefnyddir i hyfforddi'r model rhwydwaith niwral convolutional. Defnyddir y model rhwydwaith niwral convolutional i nodi a dosbarthu nodweddion delwedd ger maes yn awtomatig gyda labeli lluosog i alluogi canfod anghysondebau cyflwr ger maes amledd sylfaenol (1ω). Yn y gwaith hwn, dewisodd yr ymchwilwyr chwe nodwedd gan gynnwys unffurfiaeth dosbarthiad maes agos, signalau allbwn anomalaidd, a dolenni diffreithiant cryf i'w dadansoddi, a chyrhaeddodd cywirdeb dosbarthiad y model 93%, ac roedd y model yn gallu gwneud dyfarniadau amser real ar unrhyw nifer o ddelweddau maes agos mewn perthynas â'r chwe nodwedd uchod.
Mewn astudiaethau dilynol, wrth i faint o ddata arbrofol gynyddu, bydd yr ymchwilwyr yn mireinio labeli dosbarthiad y nodweddion afreolaidd, yn enwedig y nodweddion tebyg, er mwyn adeiladu model mwy cadarn. Mae'r gwaith hwn yn archwilio cymhwysiad effeithiol modelau dysgu dwfn mewn dyfeisiau laser pŵer uchel ICF, a disgwylir iddo barhau i ehangu cymhwysiad modelau dysgu dwfn yn y dyfodol i ddarparu dulliau dadansoddi deallus ar gyfer dyfeisiau laser mawr.
Ffig. 1 Canlyniadau dull cyfrifo gofod awyr (a) Delwedd a gaffaelwyd gan CCD (b) Histogram o ddosraniad lefel llwyd cae bron (c) Histogram o ddosraniad lefel llwyd ger y cae ar ôl tynnu'r cefndir (ch) Delwedd ddeuaidd ar ôl tynnu'r cefndir (e) Delwedd ger-cae wedi'i chylchdroi ar ôl trawsnewid Hough (f) Delwedd ddeuaidd wedi'i chylchdroi (g) Delwedd ger-cae wedi'i thocio (h) rhanbarth 85% o ddelwedd ger y cae
Ffig. 2 Strwythur y model rhwydwaith niwral troellol gweddilliol sylw gofodol
