【摘 要】
：
激光干涉仪利用激光波长短的特点,可以灵敏且精确地测量两个干涉臂的微小相对相位波动,包括长度、运动、折射率、温度、压强等参数的变化引起的激光相位变化。激光干涉仪的高灵敏、高精度测量特性使得它在引力波探测、地球重力及气候监测、惯性导航、精密加工与计量等前沿科学研究与技术、生产加工方面有着重要的地位。本文对马赫-曾德尔（MZ）激光干涉仪的各项噪声进行定量分析,并提出建立低噪声激光干涉仪的方案。在此基础上
论文部分内容阅读
激光干涉仪利用激光波长短的特点,可以灵敏且精确地测量两个干涉臂的微小相对相位波动,包括长度、运动、折射率、温度、压强等参数的变化引起的激光相位变化。激光干涉仪的高灵敏、高精度测量特性使得它在引力波探测、地球重力及气候监测、惯性导航、精密加工与计量等前沿科学研究与技术、生产加工方面有着重要的地位。本文对马赫-曾德尔（MZ）激光干涉仪的各项噪声进行定量分析,并提出建立低噪声激光干涉仪的方案。在此基础上,利用低噪声的MZ激光干涉仪测量了周期极化磷酸钛氧钾（PPKTP）光学倍频晶体的倍频噪声上限为2?10-19（1s平均时间）和5?10-22（10~4 s平均时间）,不同PPKTP晶体频率比值一致性为6.6?10-23,表明PPKTP可满足目前频率最稳定、精度最高的激光的倍频需要。另外,为了在地面上验证空间引力波探测中时间延迟干涉（TDI）技术的可行性,分析了TDI地面验证系统中激光干涉仪的本底噪声。通过实验测量和仿真计算,提出了面向TDI技术地面验证的激光干涉仪的设计要求,包括激光干涉臂的臂长差、激光频率稳定度、气压稳定度、激光功率稳定度以及各部件温度稳定度等,为开展TDI技术地面验证打下基础。
其他文献
液体表面张力在先进制造技术,微流控技术以及多种化学/生物工程技术扮演着至关重要的角色。相较于现代固态电子性质的超快调控技术,人类对液体表面原子结构的操控长久以来局限在宏观时空尺度。与此同时,飞秒激光已被广泛应用于超限制造和加工技术的研发之中,展现出对微纳尺度的物质结构与热力学性质精准调控的巨大优势。本论文基于电子-原子双温模型与分子动力学结合的计算机模拟技术,发展了一套超快激光辐照作用下金属液体表
随着互联网数据的爆炸增多,如何高效地获取数据中的信息和知识是一项巨大的挑战。知识图谱嵌入表示的准确性,对于相关知识获取任务模型的性能具有重要的基础性影响,是目前知识图谱领域的研究热点之一。本文以提升知识图谱嵌入表示的准确性为目标,展开理论及其实验研究,以提高相关知识获取模型的表现。首先,针对知识图谱中实体类型信息时常缺失的现象,在充分利用知识图谱内部结构信息的基础上,提出一种基于邻域关系表征向量的
异质网络表示学习是在各类实体及复杂关系构成的网络中,学习到低维、稠密、独立的向量表示过程,解决了网络分析的高维稀疏和可扩展性差等问题。现有研究大都借助随机游走,依据转移概率进行节点遍历,然而这种方法并不适用于大型复杂网络,且无法确保得到的路径信息最优。因此,对基于结构游走的异质网络表示学习模型进行了研究,具体研究工作如下。首先,针对随机游走方法难以表示出节点完整信息和向量最优解的问题,提出基于结构
量子理论对人们理解微观世界具有重要的意义。随着量子操纵技术的不断进步,量子信息逐步兴起。如今,量子信息已经成为世界上最受关注的领域之一。量子信息的应用前景十分广阔,例如可以实现更安全的信息传输,创造出功能更强大的量子计算机,以及制造更精密的量子测量仪器。量子纠缠是量子信息技术的关键资源。由于量子纠缠具有非定域性特点,其被广泛应用于量子信息技术的诸多领域。目前,本课题组基于四波混频过程已经成功制备出
随着人工智能的普及,智能机器人被广泛应用于人类的生产生活中,在杂乱场景中,推动与抓取技能学习成为服务机器人必备的基本技能。目前,深度强化学习被用于求解机器人推动与抓取技能学习问题,但由于操作目标种类繁多且特征各异,加之服务环境的复杂性和现有算法本身的局限性,现有研究仍存在学习效率低、成功率低和泛化能力不足等问题。针对杂乱场景中的面向目标推动与抓取任务,本文将工作空间中机器人动作决策过程定义为一个全
药物分子一般在蛋白质分子口袋位置通过与其结合而发挥药效,因此蛋白质上药物结合口袋位置及口袋特征等信息对基于结构的药物设计及先导化合物优化非常关键。由于生物体中的蛋白结构总是不停的运动变化,如何保证口袋的稳定性从而提高口袋识别准确性,以及如何对口袋特征进行更全面有效地提取和表示直接影响到动态口袋分析。本文结合口袋的高维、时空、关联特点,对口袋特征开展研究。首先,为了对口袋数据的拓扑和形态特征进行更好
随着对无人飞行器和智能机器人研究的不断深入,机器人与飞行器在三维空间中的路径规划问题逐渐出现在国内外研究学者的视角中,这类问题的重点是将二维空间路径规划拓展到三维空间乃至三维障碍空间。在三维障碍空间中,障碍物的碰撞检测是路径规划问题的研究基础。现有的碰撞检测研究多基于AABB模型和OBB模型等空间冗余度高的空间模型,这类模型难以对多个障碍物组合形成的孔洞进行建模,只适用于单独的障碍物。在三维空间的
近年来,以卷积神经网络为代表的深度学习取得了长足发展,同时,深度学习依赖海量标注数据的弊端也随之凸显。在标注数据获取困难且成本高的情景下,深度学习更是难以发挥出其应有的效能。如何利用有限的或少量的标注数据获得泛化性能优良的预测模型,逐渐成为了人工智能领域的研究热点之一。小样本学习,为上述问题的解决带来了希望,并被广泛应用于小样本情景下的机器学习任务。本文以解决小样本情景下的关系分类任务为出发点,以
近年来量子信息技术领域不断取得突破性进展,量子理论的发展提高了信息处理能力。量子网络的规模决定了量子信息处理和承载能力,多组份纠缠是构建量子网络的基础,因此增加量子纠缠的光束数量是十分必要的。基于铷原子系综四波混频过程已经被证明是一种产生多组份纠缠的有效方式。本论文基于四波混频系统提出产生多组份纠缠和簇态的理论方案。首先,为产生更多空间分离的多组份纠缠光束,我们将空间结构泵浦四波混频过程和线性分束
金属纳米团簇（NCs）已成为一类有前途的发光传感材料,但其低发光效率阻碍了其应用。开发增强金属纳米团簇发光的新策略并探索金属纳米团簇复合物的多功能应用,可获得强发光的金属纳米团簇复合物并拓展其应用。本文制备了具有等离子体增强荧光的银纳米颗粒-纳米团簇（AgNP-NCs）,将其封装到金属有机框架（MOF）中合成了发光增强的银纳米团簇复合材料（AgNP-NCs@ZIF-8）,并最终应用于同时检测和移除