【仪表网 研发快讯】近日，中国科学院上海光学精密机械研究所高功率激光元件技术与工程部刘世杰研究员团队联合南京理工大学朱日宏教授团队，在深度学习赋能光学散射计量技术研究中取得进展。相关成果以“Deep learning-enabled optical scatterometry technique for high-precision and non-destructive measurement of grating microstructure parameters”为题，发表在国际期刊《Optics Express》。
面向先进光学制造，光栅纳米级微结构参数的快速、无损、高精度测量仍面临挑战。传统RCWA、FDTD等物理反演方法计算开销较大，SEM、AFM等显微测量方法则存在效率低、成本高和难以在线检测等问题。将稳定光学测量装置与深度学习分析引擎结合，是提升光栅计量速度与鲁棒性的重要方向。
研究团队研制了双光束光学散射计量系统，并提出自适应自校准物理约束卷积神经网络ASPCNN。该系统利用参考光路抑制光源波动，模型通过自适应感受野融合模块和自校准残差注意力模块提取多尺度光谱特征，并引入物理约束损失提升预测可靠性。实验结果显示，该方法实现了亚纳米级测量精度，R²高于0.99，单样本推理时间为9.07 ms，可为光栅微结构参数的高速无损检测提供支撑。
引用：上海光机所在深度学习赋能光学散射计量技术研究中取得进展 上海光学精密机械研究所 【引用时间：2026年6月26日】
所有评论仅代表网友意见，与本站立场无关。