[发明专利]激光玻璃组分的筛选方法、装置、设备和存储介质

权利要求书

1.一种激光玻璃组分的筛选方法，其特征在于，所述方法包括：

获取包含激活离子的激光玻璃的多个组分数据，对每个组分数据进行分子动力学模拟，得到每个组分数据相应的玻璃结构数据；

根据每个组分数据相应的玻璃结构数据，得到每个组分数据相应的激活离子局域的结构性质数据；

获取每个组分数据相应的激光性能数据，根据同一组分数据相应的激活离子局域的结构性质数据以及相应的激光性能数据，构建结构性质-激光性能数据集；

利用所述结构性质-激光性能数据集进行模型训练，得到激光性能预测模型；

利用所述激光性能预测模型，从包含所述激活离子的激光玻璃的组分空间中，筛选出所述组分空间中激光性能优异的组分数据。

2.根据权利要求1所述的方法，其特征在于，每个组分数据相应的激活离子局域的结构性质包括：激活离子径向的玻璃基质离子分布和激活离子径向的激活离子分布。

3.根据权利要求2所述的方法，其特征在于，所述根据每个组分数据相应的玻璃结构数据，得到每个组分数据相应的激活离子局域的结构性质数据，包括：

根据每个组分数据相应的玻璃结构数据和表达式得到每个组分数据相应的激活离子径向的玻璃基质离子分布；

其中，r为以中心激活离子为基准点的区域半径；dn_ReX(r)为r到r+dr对应的区域内的玻璃基质离子数；ρ_Re为玻璃结构中的激活离子数密度。

4.根据权利要求2所述的方法，其特征在于，所述根据每个组分数据相应的玻璃结构数据，得到每个组分数据相应的激活离子局域的结构性质数据，包括：

根据每个组分数据相应的玻璃结构数据和表达式得到每个组分数据相应的激活离子径向的激活离子分布；

其中，r为以中心激活离子为基准点的区域半径；dn_ReRe(r)为r到r+dr对应的区域内的激活离子数；ρ_Re为玻璃结构中的激活离子数密度。

5.根据权利要求1所述的方法，其特征在于，所述利用所述结构性质-激光性能数据集进行模型训练，得到激光性能预测模型，包括：

以所述激活离子局域的结构性质数据作为输入变量，所述激光性能数据作为输出变量进行模型训练，得到激光性能预测模型。

6.根据权利要求5所述的方法，其特征在于，以所述激活离子局域的结构性质数据作为输入变量，所述激光性能数据作为输出变量进行模型训练，得到激光性能预测模型，包括：

为初始激光性能预测模型设置不同的中间层节点数，得到多个中间激光性能预测模型；

以所述激活离子局域的结构性质数据作为输入变量，所述激光性能数据作为输出变量，得到各中间激光性能预测模型对应的均方误差；

基于均方误差最小对应的中间激光性能预测模型，得到激光性能预测模型。

7.根据权利要求6所述的方法，其特征在于，基于均方误差最小对应的中间激光性能预测模型，得到激光性能预测模型，包括：

当均方误差最小对应的中间激光性能预测模型的均方误差小于标准阈值时，将均方误差最小对应的中间激光性能预测模型作为激光性能预测模型。

8.根据权利要求1所述的方法，其特征在于，所述激光性能数据包括如下的至少一种：发射峰峰位、峰值受激发射截面、辐射寿命、荧光有效线宽和荧光半高宽。