激光玻璃组分的筛选方法、装置、设备和存储介质制造方法及图纸

本申请涉及玻璃材料技术领域，提供了一种激光玻璃组分的筛选方法、装置、计算机设备和存储介质。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，根据得到的每个组分数据相应的玻璃结构数据，计算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

【技术实现步骤摘要】
激光玻璃组分的筛选方法、装置、设备和存储介质


[0001]本申请涉及玻璃材料
，特别是涉及一种激光玻璃组分的筛选方法、装置、计算机设备和存储介质。

技术介绍

[0002]玻璃作为人类历史中最重要和最具影响力的材料之一，广泛应用于人们的日常生活、安全防护和国防建设等各个领域。其中，激光玻璃作为重要的激光增益材料，是构建固体激光器和光纤激光器的核心部件。对于种类复杂众多的激光玻璃，需要从中筛选出性能优异的激光玻璃组分，以制备激光性能优异的激光玻璃。
[0003]现有的筛选方法是基于激光玻璃的组分和性能关系，构建数学模型，对激光玻璃组分进行筛选，但是这种筛选方法可释性差。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种激光玻璃组分的筛选方法、装置、计算机设备、存储介质和计算机程序产品。
[0005]本申请提供一种激光玻璃组分的筛选方法，该方法包括：
[0006]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；
[0007]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；
[0008]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；
[0009]利用结构性质
‑
激光性能数据集进行模型训练，得到激光性能预测模型；
[0010]利用激光性能预测模型，从包含激活离子的激光玻璃的组分空间中，筛选出组分空间中激光性能优异的组分数据。
[0011]本申请提供一种激光玻璃组分的筛选装置，该装置包括：
[0012]玻璃结构分析模块，用于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；
[0013]结构性质分析模块，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；
[0014]数据集构建模块，用于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；
[0015]模型训练模块，用于利用结构性质
‑
激光性能数据集进行模型训练，得到激光性能预测模型；
[0016]玻璃组分筛选模块，用于利用激光性能预测模型，从包含激活离子的激光玻璃的
组分空间中，筛选出组分空间中激光性能优异的组分数据。
[0017]本申请提供一种计算机设备，该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
[0018]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；
[0019]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；
[0020]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；
[0021]利用结构性质
‑
激光性能数据集进行模型训练，得到激光性能预测模型；
[0022]利用激光性能预测模型，从包含激活离子的激光玻璃的组分空间中，筛选出组分空间中激光性能优异的组分数据。
[0023]本申请提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0024]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；
[0025]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；
[0026]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；
[0027]利用结构性质
‑
激光性能数据集进行模型训练，得到激光性能预测模型；
[0028]利用激光性能预测模型，从包含激活离子的激光玻璃的组分空间中，筛选出组分空间中激光性能优异的组分数据。
[0029]上述激光玻璃组分的筛选方法、装置、计算机设备和存储介质，根据激光玻璃的玻璃组分数据和分子动力学模拟产生相应的玻璃结构数据，并根据激光玻璃结构数据得到相应的激活离子局域的结构性质数据，最后与每个组分数据相应的激光性能数据，构建出结构性质
‑
激光性能数据集，充分考虑到了激光玻璃激活离子局域的结构性质对激光性能的决定性作用。而且，利用结构性质
‑
激光性能数据集进行模型训练，得到激光性能预测模型；利用激光性能预测模型，从包含激活离子的激光玻璃的组分空间中，筛选出组分空间中激光性能优异的组分数据。基于构建的激光玻璃的组分
‑
结构
‑
性能关系，通过训练得到的激光性能预测模型，对大范围的激光玻璃的组分空间进行激光性能预测，从中筛选出激光性能优异的激光玻璃组分，进一步地，也可以通过激光性能预测模型，从目标激光性能出发，推理得到具备目标激光性能的玻璃结构，因此，本申请的激光玻璃组分的筛选方法可释性强。
附图说明
[0030]图1为一个实施例中激光玻璃组分的筛选方法的流程示意图；
[0031]图2为一个实施例中激光性能预测模型的结构和工作过程示意图；
[0032]图3为一个实施例中不同中间层节点数的中间激光性能预测模型对应的均方误
差；
[0033]图4为一个实施例中均方误差最小对应的中间激光性能预测模型的预测值与实验值的结果分析图；
[0034]图5为一个实施例中激光玻璃组分的筛选装置的结构框图；
[0035]图6为一个实施例中计算机设备的内部结构图。
具体实施方式
[0036]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0037]在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
[0038]在一个实施例中，如图1所示，提供了一种激光玻璃组分的筛选方法，包括以下步骤：
[0039]步骤S101，获取包含激活离子的激光玻璃的多个组分数据，本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：杨中民，吴敏波，唐国武，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：