[发明专利]一种基于深度学习的山脊型表面5G芯片飞秒智能加工技术与装备

权利要求书

1.一种基于深度学习的山脊型表面5G芯片飞秒智能加工技术，其特征在于：

(1)利用特定偏振态的飞秒激光对5G芯片进行扫描加工，通过调控激光能量、重复频率、偏振态以及扫描速度等参数，在5G芯片扫描加工主轨迹的同时，能够在主轨迹两侧产生纳米级间距的周期纳米条纹，从而在5G芯片表面上形成连续的纳米山脊型结构。

(2)利用飞秒激光激励表面等离子体激元进行扫描加工，通过调控飞秒激光烧蚀的物理特性由光学状态到静电状态转化，能够实现在5G芯片表面上形成超衍射极限的连续纳米山脊型结构。

(3)利用深度学习技术和超分辨显微成像技术相结合，能够实时获取加工位置的超分辨显微图像，能够清晰识别、分析和处理加工的纳米山脊结构的微观特征。

(4)利用深度学习技术和飞秒加工技术相结合，能够在加工过程快速、高效、智能地对加工参数进行调整和优化，加工出结构稳定、性能优异的山脊型表面5G芯片。

山脊型表面5G芯片飞秒智能加工过程中的深度学习技术具体包括如下步骤：

步骤1)、获取飞秒激光在5G芯片表面加工的纳米山脊型结构的超分辨显微图像1，去除图像周围的无效区域，保留图像中心的周期纳米条纹区域，并将图像缩放预设大小，得到目标图像1。

步骤2)、基于图像超分辨深度学习对目标图像1进行超分辨图像重建，得到超分辨显微图像2，即目标图像2。识别和处理目标图像2得到纳米山脊型结构的特征参数作为山脊型表面5G芯片飞秒智能加工深度学习的输入(x₁,x₂,...x_i)，组成输入层X。

步骤3)、将输入层X的输入参数导入到包含M层隐藏层的飞秒智能加工神经网络中进行深度学习，各隐藏层分别为h₁，h₂,...h_m，各隐藏层需将上一层的输入参数利用非线性激活函数f(W，b)进行非线性变换实现激活，其中W为权重值，b为偏置值，经过多层深度学习得到山脊型表面5G芯片飞秒智能加工深度学习的输出(y₁,y₂,...y_j)，即为输出层Y。

步骤4)、通过损失函数L对山脊型表面5G芯片飞秒智能加工深度学习模型的输出值Y与目标值O的不一致性进行评估，得到损失函数值θ，完成一次深度学习的训练过程。

步骤5)、根据输出层Y中得到的(y₁,y₂,...y_j)的数据对山脊型表面5G芯片飞秒智能加工中对应的加工参数进行调整，同时优化深度学习模型的权重W、偏置b参数。重复步骤1)-步骤4)进行飞秒智能加工深度学习的反复训练。

步骤6)、通过多次迭代深度学习，主动调整加工工艺参数，以及优化飞秒智能加工深度学习模型参数，使损失函数值θ最小，从而输出性能优异且结构稳定的纳米山脊型结构的周期纳米条纹。

2.根据权利要求1所述的一种基于深度学习的山脊型表面5G芯片飞秒智能加工技术，其特征在于，所述的飞秒激光的脉冲宽度≤200fs，重复频率为1K-1GHz，激光能量0-100mW。

3.根据权利要求1所述的一种基于深度学习的山脊型表面5G芯片飞秒智能加工技术，其特征在于，所述的特定偏振态通过调控控制激光偏振方向与扫描方向的呈特定偏振夹角。

所述的特定偏振夹角在扫描加工过程中通过飞秒智能加工深度学习实现实时智能调控使其保持不变。

4.根据权利要求1所述的一种基于深度学习的山脊型表面5G芯片飞秒智能加工技术，其特征在于，所述的扫描速度范围为100-1000μm/s。