近期，中國科學(xué)院上海光學(xué)精密機械研究所精密光學(xué)制造與檢測中心在基于監(jiān)督學(xué)習(xí)的超精密光學(xué)曲面自適應(yīng)工藝決策方面取得重要進展。研究團隊首次提出了一種傅里葉卷積-并聯(lián)神經(jīng)網(wǎng)絡(luò)框架，攻克了光學(xué)加工領(lǐng)域小樣本訓(xùn)練條件下高維度輸出的瓶頸難題，綜合訓(xùn)練正確率優(yōu)于90%，實現(xiàn)了數(shù)字化子孔徑制造多維度參數(shù)組合加工智能化決策，對光學(xué)制造的智能化發(fā)展具有重要指導(dǎo)意義。相關(guān)研究成果以“Fourier convolution-parallel neural network framework with library matching for multi-tool processing decision-making in optical fabrication”為題發(fā)表在Optics Letters上。 ME%W,B.|"s  
b
5X~^L  
現(xiàn)代光學(xué)系統(tǒng)如光刻系統(tǒng)、大型望遠鏡和高功率激光等對各類超精密光學(xué)元件數(shù)量和表面質(zhì)量提出了更高的需求，而現(xiàn)有工藝決策很大程度上仍然依賴經(jīng)驗豐富的技術(shù)專家，受專業(yè)人員的稀缺性以及人工決策的不穩(wěn)定性影響，決策過程智能化是光學(xué)制造精度和效率進一步提升面臨的關(guān)鍵問題。近年來，數(shù)據(jù)驅(qū)動的機器學(xué)習(xí)網(wǎng)絡(luò)發(fā)展為解決這一瓶頸問題提供了可能；但在光學(xué)加工領(lǐng)域，訓(xùn)練樣本獲取難而決策維度高，如何實現(xiàn)小樣本條件下的有效訓(xùn)練來滿足高特征維度輸出要求，是數(shù)據(jù)驅(qū)動智能化光學(xué)加工發(fā)展面臨的首要難題。 %d/Pc4gfc  
DHlCus=ic  
針對以上問題，研究團隊首次提出了一種結(jié)合去除函數(shù)庫匹配的傅里葉卷積-并聯(lián)神經(jīng)網(wǎng)絡(luò)框架，實現(xiàn)了數(shù)據(jù)驅(qū)動下工具種類、尺寸、磨料類型和體去除率等關(guān)鍵參數(shù)的聯(lián)合自主決策，決策范圍涵蓋了自研磨/粗拋到修形/光順等大部分工藝流程，也是首次證明了光學(xué)制造通過數(shù)據(jù)驅(qū)動神經(jīng)網(wǎng)絡(luò)解決的可行性。實驗結(jié)果表明，僅在網(wǎng)絡(luò)模型的指導(dǎo)下，260mm260mm的離軸非球面鏡的面形精度（PV）可由初始的15.153λ收斂至0.42λ（λ=632.8nm），RMS由初始的2.944λ收斂至0.064λ，總加工時間僅為25.34個小時，收斂率優(yōu)于97%，已達到專業(yè)技術(shù)人員決策水平。該研究成果對超精密光學(xué)元件的高效制造具有重要價值，并有可能將光學(xué)制造的智能化水平推向新的高度。 9dFSppM  
qFD#D_O6  
Ow\dk^\-G8  
相關(guān)工作得到了科技部重點研發(fā)計劃、國家自然科學(xué)基金、上海市揚帆計劃、中國科學(xué)院青年創(chuàng)新促進會的支持。 {q-<1|xj/J  
"\9!9U#!  
原文鏈接：https://opg.optica.org/ol/fulltext.cfm?uri=ol-48-9-2468&id=530188