Dynamische Steuerung und automatisierte Justage von diffraktiven neuronalen Netzwerken für effektive Laserstrahlformung

  1. 1Chair for Technology of Optical Systems, RWTH Aachen University
  2. 2Chair for Laser Technology, RWTH Aachen University
  3. 3Fraunhofer-Institut für Lasertechnik ILT, Fraunhofer Institute for Laser Technology ILT

paul.buske@tos.rwth-aachen.de

Diffraktive neuronale Netzwerke (DNNs) sind eine Designmethode für Systeme aus kaskadierten diffraktiven optischen Elementen oder Spatial Light Modulators (SLMs). Diese Systeme ermöglichen komplexe räumliche Laserstrahlmodulation wie kombinierte Strahlteilung und -formung, hohe Schärfentiefe durch simultane Optimierung von Amplitude und Phase sowie Training auf mehrere Zielebenen für effektive 3D-Strahlformung. In dieser Arbeit wird demonstriert, wie ein aus mehreren SLM bestehendes DNN-System dynamisch und flexibel über Microservices gesteuert und die Justage automatisiert werden kann. Diese Herangehensweise ermöglicht eine effiziente Steuerung des Systems, wodurch eine effektive Anpassung an unterschiedliche Anforderungen und Strahlformen möglich ist. Durch die Automatisierung der Justage werden zudem eine flexible Handhabung und eine höhere Genauigkeit gewährleistet.

Download PDF
@inproceedings{dgao125-s2, title = {Dynamische Steuerung und automatisierte Justage von diffraktiven neuronalen Netzwerken für effektive Laserstrahlformung}, author = {Paul Buske, Moritz Kröger, M. Trosin, Oskar Hofmann, Jochen Stollenwerk, Carlo Holly}, booktitle = {DGaO-Proceedings, 125. Jahrestagung}, year = {2024}, publisher = {Deutsche Gesellschaft für angewandte Optik e.V.}, issn = {1614-8436}, note = {Talk S2} }
125. Annual Conference of the DGaO · Aachen · 2024