进展人工智能算法对固体中光场传播非线性过程的量化分析

　　超快激光与物质相互作用中观测激光场的响应是挖掘作用过程中超快物理机理的有力方式。一定强度的激光场在介质中传播时会发生各种非线性效应，包括克尔效应（自相位调制和自陡峭）、拉曼效应、光致电离及其诱导的等离子体效应等等，导致激光场的光谱形状和宽度发生相应的变化，这意味着出射光谱隐含了传播过程中激光脉冲所经历的非线性效应信息。
　　在实验上测量输出光谱较容易，但提取并分析其背后的非线性效应则困难重重，其中的难点主要有三： 1.实验过程中各种非线性效应相互耦合，无法独立考察某特定非线性效应的效果； 2.光谱变化情况复杂，缺少量化非线性效应并能从光谱中提取相应信息的方式； 3.理论计算求解过程中近似较多，与实验中真实情况相差较大。 因此目前对于这些非线性效应仅能在理论上通过数值求解非线性脉冲传播方程进行表征分析，实验研究也只停留在定性阶段。
　　中国科学院物理研究所/北京凝聚态物理国家研究中心光物理重点实验室魏志义研究组（L07）在激光与物质相互作用领域进行了长期深入的研究，该组博士高亦谈在赵昆、魏志义等人的联合指导下，提出了电离积分（P积分）的概念以量化等离子体效应的强度，结合前人提出的用于描述克尔效应强度的B积分，从理论上分别对光谱展宽过程中两个主要非线性效应：克尔效应与电离效应，在脉冲传播过程中的强度变化趋势进行了研究。 此外，利用电离效应的强度作为参考，对光谱的复杂非对称展宽进行了分析，标定了光谱展宽过程的不同阶段。 最后，利用人工智能领域中的神经网络算法对理论与实验中的光谱结果进行分析，实现了对激光与物质相互作用过程中非线性效应的实时测量。 这也是首次在实验中对非线性效应进行量化分析，其方法，包括对非线性过程的量化以及人工智能方法的引入，将给超快物理过程的实验研究带来极大便利。
　　图1，通过P积分对光谱非对称展宽过程的界定
　　图2，(a)用于训练神经网络的光谱与非线性积分等参数的映射关系，(b)(c)神经网络结构
　　图3，在实验上基于神经网络对B，P积分以及脉冲初始参数的预测结果比对
　　相关成果发表于最近的Physics Review Research上（论文题目：Quantification and Analysis of the Nonlinear Effects in Spectral Broadening through Solid Medium of Femtosecond Pulses by Neural Network）。该工作及相关研究得到科技部重点研发计划和国家自然科学基金的支持。
　　文章链接：
　　Phys. Rev. Research 4, 013035 (2022).pdf