脉宽更窄、峰值功率更高的光脉冲一直是高精度测量、材料加工、信号处理等诸多应用的追求。锁模技术作为飞秒脉冲的主要产生手段,在过去几十年发展迅猛。依靠偏振控制和Kerr非线性的非线性偏振演化（Nonlinear polarization evolution,NPE）锁模因其结构简单、性能优越而成为实现锁模激光器的重要选择。通过精细的偏振调节,NPE锁模激光器可以产生各种脉冲状态。然而,NPE锁模激光器对偏振态非常敏感,很难在开机后通过手动偏振控制迅速使激光器工作在所需的脉冲状态上。此外,持续的环境干扰引起偏振态的漂移,加大了通过手动偏振控制将NPE锁模激光器长时间维持在所需脉冲状态下运行的难度。激光器因环境干扰而失锁（即激光器丢失了目标脉冲状态）会造成诸多危害,例如失锁后,锁模激光器的调Q不稳定性可能会对激光器后端级联的设备造成不可逆的损害。为了解决NPE锁模激光器启动难、频繁失锁的难题,自动锁模（Automatic mode-locking,AML）技术应运而生,并作为超快激光器的新研究领域受到广泛关注。然而,之前的AML激光器无法支持多脉冲状态的自动搜索,且在开机锁模和失锁恢复中的耗时颇久。本论文在AML的基础上提出了智能锁模概念并对其关键技术进行了深入研究,目标是实现一个支持多脉冲状态的自动搜索和具有出色时间性能的智能锁模激光器。此外,本论文针对智能锁模激光器的应用也进行了深入研究。智能锁模激光器在不同状态之间快速切换的功能为锁模激光器的光谱非线性动力学研究提供了新视角,光谱可编程的智能锁模激光器能够为光谱干涉学提供理想光源。本论文主要研究工作如下:1.基于类人算法的智能锁模激光器本论文提出了智能锁模的概念。受到人在手动调节偏振实现锁模这一过程的启发,结合人的逻辑设计并实现了基于类人算法（Human like algorithm,HLA）的智能锁模激光器。HLA是一套自研的专门用于智能锁模的闭环算法,在HLA的指导下,该智能锁模激光器可以自动搜索到多种脉冲状态。受益于实时的反馈控制系统和HLA的高效性,该智能锁模激光器能够实现快速的初始锁定和失锁恢复。针对基频锁模状态,该智能锁模激光器初始锁定最快仅需0.22 s,失锁恢复最快则仅需14.8 ms,将初始锁定耗时和失锁恢复耗时这两项AML领域的纪录分别缩短了400倍和2000倍。2.光谱可编程的智能锁模激光器本论文提出将时间拉伸-色散傅里叶变换（Time-stretch dispersive Fourier transform,TS-DFT）引入智能锁模的实时反馈环路中的方案,利用大色散介质以完成光谱到时域的线性映射,再采用低速时域采样即可识别飞秒脉冲对应的瞬时光谱宽度和形状。结合智能控制算法,实现了以1.47 nm为精度对光谱宽度和形状进行编程。这是本领域首次实现飞秒锁模脉冲光谱宽度和形状高精度实时编程控制,解决了飞秒锁模脉冲无法精确调控的难题。3.基于智能锁模激光器的非线性动力学研究基于智能锁模激光器的多状态之间快速切换的功能,结合TS-DFT,本论文对锁模激光器内不同状态之间相互切换的非线性过渡动力学进行了深入研究。本论文揭示了从窄谱锁模态和三角形光谱状态切换至同一宽谱锁模态的过渡动力学。实验结果表明,若切换中的终点偏振态相同,则其表现出的过渡动力学过程是十分类似的。因此,我们可以合理推测,在NPE锁模激光器中,终点偏振态决定了过渡动力学。4.基于深度学习的光谱干涉学本论文提出将深度学习用于以宽谱锁模激光器为光源的光谱干涉学中幅度和相位恢复。通过仿真和实验,本论文证明了人工智能（Artificial intelligence,AI）算法在恢复准确率上明显优于传统的希尔伯特（Hilbert）变换算法,且AI在对量化噪声和采样率方面的容忍度也更大。基于深度学习的光谱干涉学有成为光谱干涉学中标准技术的潜力。