The Journal of the Convergence on Culture Technology (문화기술의 융합)

The International Promotion Agency of Culture Technology (국제문화기술진흥원)
권호 표지
DOI QR코드

DOI QR Code

Laser system Optimization by Genetic Algorithm

유전자 알고리즘을 이용한 레이저 시스템 최적화

  • Lee, Jinho (Dept. of Physics Education, Gyeongsang national university)
  • 이진호 (경상대학교 물리교육과)
  • Received : 2020.09.27
  • Accepted : 2020.10.18
  • Published : 2020.11.30
Download PDF
⟨ Previous Next ⟩

Abstract

Genetic algorithm was first introduced to study adaption phenomena occurring in nature based on Darwin's theory of survival of the fittest. It has been used when analytical approach is not possible because of a large number of variables. In this paper, we demonstrated that genetic algorithm could be used to obtain physically optimized experimental values. We programmed a genetic algorithm that uses a few Gaussian functions to find a given function value and the same algorithm was connected to the laser system to obtain laser pulses of 40fs of maximum pulse width and 1mJ of maximum output power. This study shows that genetic algorithm can be applied to laser systems to obtain the optimized laser pulses.

다윈의 적자생존 이론을 토대로 자연에서 일어나는 적응현상을 연구하기 위해 처음 소개된 유전자 알고리즘은 일반적으로 변수가 많아 기존의 수치 해석적인 방법으로 해를 찾기 힘든 수학적인 최적화된 해를 찾는데 사용되어왔다. 본 논문에서는 물리적인 최적화된 실험값을 얻기 위해 유전자 알고리즘이 적용 될 수 있음을 보였다. 먼저 몇 개의 가우시안 함수를 이용하여 주어진 함수 값을 찾는 유전자 알고리즘을 구현 하였고 동일한 알고리즘을 레이저 시스템에 연결하여 최대 40fs 펄스 폭과 1mJ의 최대 출력을 갖는 레이저 펄스를 얻을 수 있었다. 본 연구는 유전자 알고리즘을 레이저 시스템에 적용하여 우리가 원하는 레이저 펄스를 얻는데 사용 될 수 있음을 보였다.

Keywords

References

  1. M. Mitchell, An introduction to genetic algorithms, Springer, pp. 2-3, 1998 DOI:10.7551/mitpress/3927.001.0001
  2. S. N. Sivanandam and S. N. Deepa, Introduction to Genetic Algorithms, Springer, pp. 15-24, 2008 DOI:10.1007/978-3-540-73190-0
  3. S. Wright, "Evolution in Mendelian population" Genetics, pp. 97-159, Jan. 1930
  4. Zhi-Hua Zhou, Jian-Xin Wu, Yuan Jiang and Shi-Fu Chen, "Genetic algorithms based selective neural network ensemble" in Proc 17th international joint conference on artificial intelligence, pp. 797-802, Aug. 4-10 2001
  5. C.-H. Wu, G.-H. Tzeng, Y.-J. Goo and W.-C. Fang, "A real-valued genetic algorithm to optimize the parameters of support vector machine for predicting bankruptcy", Expert systems with applications Vol. 32, Issue 2, pp. 397-408, Feb. 2007 DOI:10.1016/j.eswa.2005.12.008
  6. B. Samanta, K.R.Al-Balushi and S. A. Al-Araimi," Artificial neural networks and support vector machines with genetic algorithm for beating fault detection", Engineering applications of artificial intelligence, Vol. 16, Issue7-8, pp. 657-665, Sep. 2003 DOI:10.1016/j.engappai.2003.09.006
  7. D. Brynn Hibbert, " Genetic algorithms in chemistry", Chemometrics and Intelligent Laboratory Systems, Vol. Issue 3, pp.277-293, Nov. 1993 DOI:10.1016/0169-7439(93)80028-G
  8. R. Wehrens, C. Lucasius, L. Buydens, and G. Kateman, " Sequential assignment of 2D-NMR spectra of proteins using genetic algorithms", Journal of chemical information and modeling, Vol. 33, pp. 245-251, Nov. 1993 DOI: 10.1021/ci00012a010
  9. LabVIEW2016, National Instrument Co.
  10. T. P. Callou et. al., "Advances in femtosecond laser technology", Clinical Pohthalmology, pp. 697-703 April, 2016 DOI: 10.2147/OPTH.S99741
  11. R. R. Gattass and E. Mazur, " Femtosecond laser micromachining in transparent materials", Nature photonics, Vol. 2, pp. 219-225, April, 2008 DOI:10.1038/nphoton.2008.47
  12. Dazzler, FASTLITE Co.