一种多层花瓣状光场的调控方法
    1.
    发明公开

    公开(公告)号:CN120044712A

    公开(公告)日:2025-05-27

    申请号:CN202410270752.3

    申请日:2024-03-11

    Abstract: 本发明公开了一种多层花瓣状光场的调控方法,具体应用于光学偏振相位调制和微纳操作领域,具体调控方法包括:利用透射式液晶空间光调制器的振幅调制,实现多层花瓣状光场的层数在1层和3层之间的转化,利用反射式超表面偏振发生器进行混合偏振调制,对混合偏振阶数进行调制,实现多层花瓣状光场的瓣数调节,对混合偏振旋转角度进行调制,实现多层花瓣状光场的旋转,利用纯相位空间光调制器进行相位调制,实现多层花瓣状光场的层数在1层和2层之间的转化,经过调制后的光束聚焦在互补金属氧化物半导体探测器的聚焦平面上生成可调控的多层花瓣状光斑。相对于花瓣状光场的其他方法,本发明不仅使花瓣状光场光路更简化紧凑,并且具有更高的调控自由度以及花瓣状光场的层数提至3层,实现多种微粒的捕获,提高了光学微操纵效率。

    一种高阶波前像差的重构方法
    2.
    发明公开

    公开(公告)号:CN119043503A

    公开(公告)日:2024-11-29

    申请号:CN202411029692.2

    申请日:2024-07-30

    Abstract: 本发明提出了一种高阶波前像差重构网络,该方法包括重构算法和高阶波前像差重构网络。利用重构算法产生点扩散函数数据集,通过高阶波前像差重构网络,实现对波前相位的预测。所述重构算法由理想波前相位经过非线性映射得到理想中间波前相位,由理想中间波前相位经过线性映射得到点扩散函数;所述高阶波前像差重构网络由重构算法计算的点扩散函数经过逆线性映射网络得到中间波前相位,由中间波前相位经过逆非线性映射网络得到波前相位。

    一种基于卷积神经网络的单分子力谱分类方法

    公开(公告)号:CN115641918A

    公开(公告)日:2023-01-24

    申请号:CN202211366459.4

    申请日:2022-11-01

    Abstract: 本发明公开了一种基于卷积神经网络的单分子力谱分类方法。包括:1)获取单分子力谱图像。2)对单分子力谱图像依次进行预处理、数据增强处理和人工标注类别处理,获得人工标注后的单分子力谱图像,制作包含训练集,验证集和测试集的数据集。3)构建卷积神经网络模型,利用训练集对构建好的卷积神经网络模型进行训练,生成训练好的卷积神经网络模型。4)将测试集中的单分子力谱图像输入到训练好的卷积神经网络模型中,得到单分子力谱的折叠事件数量类别信息,实现单分子力谱图像分类的目的。

Patent Agency Ranking