引言
光学环形腔允许研究人员通过仅传输选定的模式来过滤入射光。当光学干涉测量和光谱学等应用需要彻底调节激光束时，该技术非常有用。研究人员经常选择最低阶模式（高斯模式）作为目标，因此所得光束具有高斯轮廓。成功对准光学环形腔需要精确设置光束腰的位置和尺寸，以及光束相对于腔的入射界面（镜子）的水平和垂直位置以及倾斜角度。
弗洛奎特是澳大利亚国立大学衍生公司 Aqacia 与量子计算服务提供商 2pi Software 的合资企业，开发了 深度学习优化器 (DLO)，一个旨在优化量子和其他复杂系统的机器学习系统。通常，由于时间或资源有限，此类系统的采样成本很高，并且比环腔对准挑战具有更高的维数。该团队利用 DLO 基于云的特性将其与 Moku:Go，一款基于 FPGA 的测试和测量设备，来自 Liquid Instruments （图1）。
Moku 设备将多个软件定义的仪器集成在一个硬件中，提供无缝自动对准光学环形腔所需的多功能性。Moku 设备由于其 API 支持的自动化功能而特别适合这项任务。在此应用中，Moku:Go 的便携性和小巧外形为快速、灵活的性能提供了额外的优势。
图 1：Moku:Go 在光学平台上使用数字输入/输出端口控制实验中的其他子系统。
DLO 使用神经网络集成和启发式引擎来循环执行一系列训练和预测序列。与目前传统的基于人的机制相比，这种方法有助于更快、更准确地为目标系统建立合适的控制配置文件。
为实验室和工业设备建立适当的控制设置对于确保设备能够持续按预期运行至关重要。 DLO 和 Moku:Go 协同工作，以高度自动化的方式启用此功能，特别是在以下情况下：
- 目标系统在稀疏采样约束下运行。
- 获取样本数据在金钱上是昂贵的。
- 问题域是高维的。
- 目标系统以循环方式运行，并将受益于自动化。
- 存在硬参数界限，排除了许多传统的学习算法。
挑战
传统上，需要手动干预才能将激光束与光学腔对齐。通过将检测器放置在从腔的输入窗口反射的光束的路径中可以实现粗略对准。在观察检测到的光谱时，科学家需要使用一对模式匹配镜调整入射光束的位置和倾斜，调整束腰尺寸，并使用一对透镜优化位置。该过程持续进行，直到观察到检测器信号的吸收下降。当科学家确信有光进入腔体时，他们会将探测器放置在腔体的输出窗口后面，在那里它可以检测穿过腔体的光。最后，他们将调整镜子和透镜，直到透射光谱在所需模式下形成单峰。
腔对准过程漫长，对于涉及多个光路的复杂实验，必须对每个腔重复进行。此外，由于温度波动和机械扰动等漂移源，对准需要定期进行调整。 DLO 可以轻松地优化此问题带来的六维状态空间。然而，需要一个控制层将 DLO 的软件输出转换为物理调整（图 2）。
图 2：光学设置包括两个 Moku:Go 设备、激光源和其他光学组件。
解决方案
结果
Floquet 将 DLO 与 Moku:Go 集成，实现激光束与光学腔的自动对准。只要在初始手动对准中可以看到并识别目标模式，系统就能够通过查找和维持高质量对准来接管对准。由 DLO 驱动的自动化系统在对准速度方面绝对优于专业的人类操作员，从而实现可比或更好的对准质量。图 3 显示了测得的成本函数（光电探测器的强度）与增加的运行次数的关系。阴影区域突出显示了初始采样，即从运行 0 到 25 的短暂平稳期。通过 600 次运行，DLO 已将光学腔对准优化到光束椭圆率施加的限制内，其中一些最佳对准发生在300 次运行。
图 3：测量的成本函数与运行次数结果。
图 4 显示了优化过程中随机反射镜和透镜配置的光电探测器输出快照，其中具有可见性 DC 偏移。右图显示了 DLO 确定的最终配置中的频谱。根据需要，几乎所有光功率都已转移到高斯模式。
图 4：训练示例中的光电探测器输出（左）和优化后的光谱（右）。
通过将 Moku:Go 与 DLO 集成，Floquet 创建了一个光学自动对准系统，可以在实验室中轻松部署，并证明了这种技术组合为物理系统提供先进机器学习功能的强大功能。
有疑问？
在我们的知识库中获取常见问题解答
如果您对设备特性或仪器功能有疑问，请查看我们的 知识库 来查询您正在寻找的答案。 您还可以快速查看热门问题并按产品或主题来优化搜索。
加入我们的用户论坛来与我们保持联系
想要新的功能吗？ 有技术支持提示要分享？ 从客户案例到新功能公告等等， 用户论坛 是您的一站式门户，作为产品更新以及与 Liquid Instruments 和我们的全球用户社区建立联系。
