机器学习等智能算法在新型光场调控阿秒物理中的应用

Recent advances in the technology of optical field manipulation have opened up unpredicted opportunities for steering and tracking of the atomic-scale motion of electrons. However, interpreting new measurements and extracting fundamental spatio-temporal dynamics information pose significant difficulties for the existing theoretical methods due to the limitations of computation strategy and computation capacity. On the other side, the intelligence algorithms represented by machine learning have recently penetrated into science field including biology, chemistry, astronomy and condensed matter physics. .Aiming on this frontier research field, in this project, we propose initiatively to apply intelligence algorithms to tackle complicated time-dependent dynamical problems in strong-field physics when driven by the sophisticatedly tailored laser fields. The topic is an interdisciplinary frontier science. The main aim is utilizing intelligence algorithms to break through the limitation of current theory methods for interpreting the new experiments of interactions of sophisticatedly tailored laser fields with atoms, molecules and solids, especially for multielectron correlation dynamics. The highlight of research is seeking potential applications of intelligence algorithms, in particular the machine learning, on analyzing and extracting the temporal and spatial information embedded under the observed experimental phenomena in strong-field field physics and attosecond science.

新型光场调控技术的发展为在原子尺度内控制及跟踪电子运动提供了前所未有的机遇。然而由于传统的计算策略的局限以及随之而来的计算能力的限制，现有理论方法在解释新的实验并提取蕴含于其中的基本时空动力学信息方面遇到了巨大的挑战。另一方面，最近以机器学习为代表的智能算法却逐渐渗透到了生物、化学、天文以及凝聚态物理等科学领域。在本项目研究中，我们创新性提出开展将机器学习等智能算法推广应用于处理新型光场激发下强场阿秒物理领域中的含时动力学问题。该研究属于多学科交叉研究前沿，旨在利用智能算法突破现有理论方法的局限，使之适用于复杂新型光场与原子、分子及固体相互作用，尤其是双电子关联动力学研究中。重点探索机器学习等智能算法在分析并获取蕴含在强场物理及阿秒科学领域实验测量结果中的时间空间信息方面的潜在应用。

超短强激光与物质相互作用研究对深入理解物质结构和动力学过程具有重要的意义，同时也是实现微观过程精密测量与操控的基础。本项目聚焦发展机器学习等智能算法应用于处理新型光场激发下强场阿秒物理领域中的含时动力学问题。我们提出了基于电子轨道数据预分类深度学习的费曼路径积分强场含时动力学方法，开创了人工智能算法与超快时空信息提取交叉融合的新方向；将大规模电子轨道统计波包时空动力学方法应用至分子体系, 提出自参照分子阿秒钟的新方案，成功测量了电子在分子共振态上的停留时间；将量子轨迹蒙特卡洛方法与库仑修正的强场近似算法结合，用于研究阈下非次序双电离过程；提出改进的量子轨迹蒙特卡洛方法，探究了斯塔克效应对强场电离过程中低能干涉结构的影响规律；结合求解含时薛定谔方程与库仑修正强场近似模型，揭示了基频与三倍频双色激光场对光电子干涉的调控规律；应用频域理论研究了在IR+XUV双色激光场下原子极化方向对角分辨光电子能谱的影响；研究了线偏振多色激光驱动下的ZnO高次谐波，平台区域谐波谱的强度可以增强二到三个数量级；基于半导体布洛赫方程，研究了MgO晶体高次谐波，揭示了固体中电子及空穴在临近原子附近弹性散射的机制；此外，我们还揭示了深度学习算法在评价活体激光共聚焦显微镜下检测睑板腺功能障碍时具有良好的准确性，为相关诊断提供更可靠的依据。我们发展了新的以机器学习为代表的智能算法，改进了多种传统半经典模型，并与实验结合，发现并解释了一系列新的现象和效应，加深了我们对原子分子以及固体超快动力学过程的理解。