Erfassung und Korrektur komplexer Systemeigenschaften bei der Wellenfrontformung mittels neuronaler Netze

• Antragsteller: Professor Dr.-Ing. Michael Schmidt
• Fachliche Zuordnung: Fügetechnik und Trenntechnik
• Förderung: Förderung seit 2018
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 397970984

Wellenfrontformung mit Flüssigkristalldisplays (SLM vom engl. Spatial Light Modulator) ermöglicht es, beliebige Intensitätsprofile zu generieren, um die Qualität und Abtragseffizienz in der Ultrakurzpulslasermaterialbearbeitung zu steigern. Jedoch bedingt die reine Wellenfrontformung auch das Ausbilden von sogenannten Speckle, einem Hell-/Dunkelkontrast innerhalb der Zielverteilung, weil nur ein Teil des Lichtfelds - in diesem Fall die Wellenfront, aber nicht die Amplitude - geformt wird. In der 1. Förderphase wurden Methoden zur hochpräzisen und ebenen Strahlformung entwickelt. Neben der Reduzierung von Speckle erhalten diese Methoden die hohe Lichteffizienz des Flüssigkristalldisplays und der kleine Anteil an ungebeugtem Licht verschwindet, der sonst die Zielstruktur überlagern würde. Diese Methoden ermöglichen in der Theorie perfekte Ergebnisse, jedoch ist das in der Praxis nicht realisierbar, weil dazu die exakte Kontrolle über den experimentellen Aufbau fehlt: Eine nicht perfekte Kalibrierung des Flüssigkristalldisplays, Übersprechen benachbarter Pixel und systemspezifische Abweichungen wie z.B. Aberrationen beeinträchtigen das strahlgeformte Ergebnis. Um eine exakte Darstellung der gewünschten Zielverteilung zu ermöglichen, müssen diese komplexen Systemeigenschaften exakt charakterisiert sein, womit sie wiederum in die Berechnung der Phasenmaske mit einbezogen werden können. Da all diese Parameter durch Modellierung und experimentelle Vermessung nur mit extrem hohen Zeit/Rechenaufwand erfassbar sind, soll maschinelles Lernen eingesetzt werden. Als übergeordnetes Ziel soll ein vollständig interpretierbares Neuronales Netz entwickelt werden, welches durch Training mit experimentellen Messdaten in der Lage ist, Phasenmasken zur Strahlformung zu bestimmen. Diese Masken sollen direkt systemspezifische Eigenheiten des optischen Aufbaus, wie z.B. Abbildungsfehler, und auch des verwendeten räumlichen Lichtmodulators, wie z.B. Cross-Talk oder Kalibration bezüglich des Phasenversatzes, beinhalten, wodurch eine aufwendige Charakterisierung des Aufbaus nicht mehr notwendig ist. Das Netz soll dementsprechend physikalische Zusammenhänge wiedergeben und damit auch Rückschlüsse auf den Aufbau zulassen. Zur verbesserten Transparenz und Interpretierbarkeit des Netzes sollen gut modellierbare physikalische Zusammenhänge in das System eingepflegt werden (z.B. Strahlpropagation). Auf Basis eines allgemein vortrainierten Netzes sollen unabhängige experimentelle Aufbauten mit nur wenigen Messdaten nachtrainiert werden können, um hoch-qualitative Ergebnisse mit nur geringem Aufwand und ohne detailliertes Prozesswissen zu erhalten.

• DFG-Verfahren: Sachbeihilfen