
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于机器学习预测与多准则决策分析的2 μm掺铥石榴石激光晶体多场景选择框架
《Scientific Reports》:Hybrid machine learning and TOPSIS framework for domain-specific crystal selection in 2-μm Tm:YAG and Tm:LuAG lasers
【字体: 大 中 小 】 时间:2026年09月20日 来源:Scientific Reports 4.9
编辑推荐:
摘要掺铥石榴石晶体应用于多个不同领域——手术、激光雷达、光谱和工业——每个领域对激光晶体施加了不同的性能优先级排序,然而尚缺乏一个能够同时指导各应用场景下晶体选择的定量框架。本研究采用三种监督回归模型,对20种Tm:YAG和Tm:LuAG配置下的连续波(CW)输出功率、Q开关
掺铥石榴石晶体应用于多个不同领域——手术、激光雷达、光谱和工业——每个领域对激光晶体施加了不同的性能优先级排序,然而尚缺乏一个能够同时指导各应用场景下晶体选择的定量框架。本研究采用三种监督回归模型,对20种Tm:YAG和Tm:LuAG配置下的连续波(CW)输出功率、Q开关平均功率和脉冲能量进行预测。基于配置的GroupKFold交叉验证(n=80)有效防止了连续波预测中的数据泄漏,岭回归的R2=0.922;留一法交叉验证(n=20)在平均功率预测中R2=0.888,在脉冲能量预测中R2=0.820。特征消融实验确认掺杂浓度是最主要的预测因子(ΔR2=+0.323)。TOPSIS多准则排序采用源自对36篇涵盖医学、国防、科学和工业领域的一手文献系统性分析的准则权重,以可追溯引文的权重向量取代了主观专家赋值。蒙特卡洛敏感性分析(±20%权重扰动,n=500)表明,Tm:YAG 6%/5 mm在医学(100%稳定)、国防(100%稳定)和科学(70%稳定)领域均为最优选择,而Tm:YAG 6%/7 mm在工业领域更为优越(72%稳定)。各领域排序之间的高斯皮尔曼等级相关(ρ=0.794–0.946,所有p<0.001)表明晶体物理特性对解空间施加了约束。本排序结果适用于本研究采用的准则和文献推导权重,而非各领域的通用最优解,且应结合样本量(n=20种配置)进行解读;尽管如此,该框架仍为2 μm激光晶体选择提供了一个可追溯引文、可复现的起点。各准则权重系根据所审阅的36篇一手文献中对每项性能指标的重视程度推导而来,并非基于各应用场景的第一性原理物理模型;所得排序结果仅限于本研究中实际测量的连续波和被动Q开关Tm:YAG/Tm:LuAG配置,不适用于SESAM锁模、自锁模、单频或窄线宽工作模式,因为该数据集未测量这些模式所对应的关键性能准则。
生物通微信公众号