基于深度学习的飞秒激光脉冲序列FROG轨迹线性啁啾不稳定性实时测量方法

《Photonics》：Linear-Chirp Instability Measurement of Ultrashort Laser Pulse Trains Using Convolutional Neural Networks

　　**摘要**我们提出了一种基于深度学习的新技术，用于直接从飞秒激光脉冲序列的频率分辨光学门控（FROG）轨迹中测量其线性啁啾不稳定性。该方法无需迭代检索算法，也不需要预处理或后处理步骤，从而实现实时测量。尽管我们的概念验证卷积神经网络（CNN）仅具有中等深度，且基于紧凑数据集进行训练，但它们对显著加性噪声和乘性噪声表现出强韧性，并对广泛的激光脉冲参数变化展现出高鲁棒性。在未见过数据上的测试中，我们的分类网络（ICN-2）实现了91.0%的准确率（偏差一以内的准确率为100.0%），而我们的回归网络（IRN-3）取得了7.1%的归一化均方根误差（NRMSE）。