斯特拉斯克莱德大学物理学与计算机科学领域的研究人员表示，他们正在利用一种新兴的机器学习框架设计等离子体镜，以应对高功率激光对传统光学元件的损伤风险，并缩短先进激光光学元件的设计周期。相关成果已发表于《Communications Physics》。

研究人员指出，高功率激光可用于医疗、制造和核聚变相关工具的开发，但受限于光学元件尺寸，当前往往需要将激光束强度控制在较低水平以避免损坏，从而使激光装置体积更大、成本更高。随着激光峰值功率提升，镜面及其他光学元件的直径可能需要从约1米扩大到10米以上；这类元件重量可达数吨，制造难度与成本随之上升。

为应对上述限制，团队探索将等离子体用于反射强激光。研究人员介绍，等离子体是电离气体，构成可见宇宙的99.9%以上，具有较强的抗损伤能力。相关设想有望将镜面尺寸缩小到毫米级，但如何设计能够高效且可靠反射光线的等离子体结构一直存在挑战。

在方法上，研究团队将机器学习算法与计算机模型结合，用于加速等离子体镜结构的设计。斯特拉斯克莱德大学计算机与信息科学系研究负责人斯拉夫·伊万诺夫（Slav Ivanov）表示，传统设计通常需要开发大量原型并反复测试，迭代次数往往达到数十万至数百万次；而采用机器学习后，迭代次数可缩短至几十次左右以找到最优设计。

斯特拉斯克莱德大学物理系合作者迪诺·雅罗斯津斯基（Dino Jaroszynski）教授称，研究过程中还观察到等离子体镜在特定目标设定下可实现激光脉冲压缩。团队进一步指出，这一现象与时间边界效应有关：等离子体层发生类似“手风琴”式变形，向反射脉冲引入新的频率，并使脉冲不同部分产生延迟，从而导致压缩效果。雅罗斯津斯基表示，这意味着研究人员可围绕既定目标进行定制化设计，并有可能识别新的机制。