基于深度学习和差分进化的光学元件污染层分布优化方法

本发明涉及光学元件加工技术领域，尤其涉及一种基于深度学习和差分进化的光学元件污染层分布优化方法。先将加工工艺参数作为输入，使用TOF‑SIMS采集得到的污染层深度和浓度数据作为输出数据，对加工工艺参数数据进行预处理，进行深度学习，构建建立加工工艺参数与污染层分布之间的关系，然后利用差分进化算法，优化得到使污染层最小化的工艺参数。优点在于：本发明的方法仅前期的数据集收集量较大，一旦神经网络计算模型搭建和训练完毕，进行光学元件污染层分布优化将十分迅速且将大幅减少后续去除污染操作的复杂度。相比于传统的经验法选取工艺参数，在提高强激光光学元件后处理效率和降低制造成本方面有明显的优势。