项目名称: 物像光栅自拼接技术和自拼接概念应用于光学系统的物理问题研究

项目编号: No.11304296

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 数理科学和化学

项目作者: 李朝阳

作者单位: 中国科学院上海光学精密机械研究所

项目金额: 25万元

中文摘要: 为满足大口径光学系统的发展需求,自上世纪九十年代起光栅拼接技术在世界范围内呈现出快速发展的态势。申请人本人提出的物像光栅自拼接技术为此项研究的发展开辟了一条全新的途径,得到了国内外同行的认可。该技术使得光栅拼接不再是一项挑战技术极限的难题,同时其光学效果也达到了近理想状态。为实现物像光栅自拼接技术的实际应用,本申请计划研究物像光栅自拼接技术和自拼接概念在不同光学系统中应用时存在的诸多基础物理问题,包括:光场分布,回路振荡,前后向脉冲序列,光学调制,镜像对称条纹密度和面型曲率等。建立上述物理问题的理论模型,进行理论分析,开展实验验证,明确物像光栅自拼接技术和自拼接概念在不同光学系统中应用时存在的潜在问题和具备的独特优势。依据研究结果,解决问题、发挥优势,拓展物像光栅自拼接技术和自拼接概念在众多光学系统中的应用范围。此外,积极开展自拼接概念的移植工作以满足不同光学系统的不同需求。

中文关键词: 拍瓦;啁啾脉冲放大;压缩器;光栅;拼接

英文摘要: To meet the requirement of development of large-aperture optical systems, grating tiling technique has been developed rapidly since the 90's of the last century in the world wide. The object-image grating self-tiling technique proposed by the proposer of this application opens an absolutely new way for the development of this research, which changed grating tiling from a technical problem challenging the limits to a common one and improved the optical effect of grating tiling to the near ideal condition. In order to utilize the object-image grating self-tiling technique in real optical systems, in this application, we plan to research several basic physical problems of the object-image grating self-tiling techique and self-tiling concept for using in different optical systems, which includes distribution of optics field, loop oscillation, forward and backward pulse sequence, optical modulation, mirror symmetry of groove density and surface curvature, and so on. During the research, we will set up the theoretical models of above physical problems, and carry out kinds of theory analysis and experiment verification to confirm the potential problems and the specific advantages of the object-image grating self-tiling technique and self-tiling concept for using in different optical systems. According to the analysis r

英文关键词: petawatt;chirped-pulse amplification;compressor;grating;tiling

成为VIP会员查看完整内容
0

相关内容

数字孪生模型构建理论及应用
专知会员服务
221+阅读 · 2022年4月19日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
视频分析中的人工智能 (AI)白皮书,16页pdf
专知会员服务
65+阅读 · 2021年5月6日
专知会员服务
109+阅读 · 2021年4月7日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
42+阅读 · 2021年2月8日
专知会员服务
29+阅读 · 2021年1月9日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
数据中心传感器技术应用 白皮书
专知
0+阅读 · 2021年11月13日
人工神经网络在材料科学中的研究进展
专知
0+阅读 · 2021年5月7日
领域自适应研究综述
专知
6+阅读 · 2021年5月5日
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
立体匹配技术简介
计算机视觉life
27+阅读 · 2019年4月22日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
3+阅读 · 2022年4月18日
Talking-Heads Attention
Arxiv
15+阅读 · 2020年3月5日
Knowledge Representation Learning: A Quantitative Review
Arxiv
15+阅读 · 2018年4月3日
小贴士
相关VIP内容
数字孪生模型构建理论及应用
专知会员服务
221+阅读 · 2022年4月19日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
视频分析中的人工智能 (AI)白皮书,16页pdf
专知会员服务
65+阅读 · 2021年5月6日
专知会员服务
109+阅读 · 2021年4月7日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
42+阅读 · 2021年2月8日
专知会员服务
29+阅读 · 2021年1月9日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
数据中心传感器技术应用 白皮书
专知
0+阅读 · 2021年11月13日
人工神经网络在材料科学中的研究进展
专知
0+阅读 · 2021年5月7日
领域自适应研究综述
专知
6+阅读 · 2021年5月5日
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
立体匹配技术简介
计算机视觉life
27+阅读 · 2019年4月22日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
3+阅读 · 2022年4月18日
Talking-Heads Attention
Arxiv
15+阅读 · 2020年3月5日
Knowledge Representation Learning: A Quantitative Review
Arxiv
15+阅读 · 2018年4月3日
微信扫码咨询专知VIP会员