概括
本研究介绍了一种智能进化算法,用于稳定的双模式锁定,使用模拟数据在不到2秒内获得结果,并确保长期运行.
科学领域:
- 光学和光子学 在光学和光子学.
- 精确度测量 精确度测量 精确度测量
- 科学中的人工智能.
背景情况:
- 单孔双对于高精度测量至关重要.
- 双的高效发电和稳定模式锁定是活跃的研究领域.
- 现有的方法往往需要复杂的实验设置和广泛的优化.
研究的目的:
- 开发一种高效和智能方法,以实现稳定的双模式锁定.
- 为了简化双生成的优化过程.
- 为了快速可靠地实现双模式锁定状态.
主要方法:
- 作为数据集,利用模拟的时间延伸分散的里埃变换 (DFT) 光谱.
- 采用了两部分评估标准:一个健身功能和一个CNN-Transformer网络.
- 开发了一种用于电动极化控制器 (MPC) 的进化算法 (EA).
- 实现了一个实时库来存储健身和MPC角度.
- 应用了一种随机碰撞算法,用于长期稳定性的弱单子峰值评估.
主要成果:
- 实现了双模式锁定状态的智能实现.
- 启用模式锁定状态在2秒内实现.
- 证明了双模式锁定的长期运行稳定性.
- 该EA有效优化了基于的MPC用于双生成.
结论:
- 拟议的EA与CNN-变压器网络相结合,为双模式锁定提供了一种高效的方法.
- 模拟数据简化了优化,减少了对实验试错的依赖.
- 该系统提供快速稳定的双生成,适合高精度测量.


