探索机器学习技术在飞秒激光烧结教学改革中的应用

摘要：随着科技的迅猛发展，将新兴技术融入传统教学模式已经成为高等教育的趋势之一。飞秒激光烧结作为一种先进的材料加工技术，对于本科生来说是一个重要而复杂的实验课题。本文旨在探讨机器学习技术在飞秒激光烧结教学中的应用，将科研与教学结合，使学生在了解前沿方向的同时能够熟练掌握“文献调研—重复结果—参数优化—实验验证”的科学研究方法和思想，以提高学生实验设计和数据分析的能力，培养创新思维，有利于开拓学生的学术视野。

关键词：机器学习；飞秒激光烧结；教学改革

选择性激光烧结是当前最流行的增材制造业技术之一，因为它可以适用于多种材料，包括金属、塑料、陶瓷等。飞秒激光的高度局部化热影响区使得直接在柔性衬底上刻画电子线路成为可能，然而其传统物理模型复杂，传统的教学方法难以满足学生对这一复杂技术的全面理解和实际应用的需求。近年来，机器学习在数据任务如分类、回归和聚类方面表现出色，引起了增材制造业领域的关注。因此，针对“机器学习帮助下的飞秒激光烧结实践”课程开展学科交叉及科研反哺教学的新型教学模式的探索，引入机器学习技术成为提升教学效果的一种创新思路。本门课程是创新研修课，适用于大部分的工科和理科专业学生，此教学改革是新工科背景下发展的趋势所在。

1飞秒激光加工概述

1.1飞秒激光加工特点

与连续激光相比［1］，飞秒激光最显著的特点之一是其脉冲宽度非常窄（10～15s量级），同时峰值功率极高。通过使用物镜将飞秒激光进行聚焦，可以在激光焦点处获得较高的能流密度，并通过调整激光与样品表面的位置来实现样品表面的加工。目前，飞秒激光制造技术在光信息芯片、微流芯片、超材料构建等新兴领域有广泛的应用。

1.2飞秒激光加工优势与挑战

飞秒激光技术优势具体展现在：（1）“精准性”：由于极小的热效应不会对周边产生热致损伤，作用区域周边几乎无飞溅物产生，因此加工尺寸精度高、加工质量可以准确控制；（2）“微纳尺寸”：固定的去除阈值以及非热熔性去除机制，加工尺寸可以覆盖微米、亚微米甚至是纳米尺度；（3）“材料普适性”：几乎可以加工任何材料，包括超硬、超脆、超黏、超软以及复合材料等典型的难加工材料。然而，其也面临着挑战，具体体现在：（1）太多参数会影响成形工艺，比如预热温度、激光功率、激光重复率、扫描速度等，摸索参数对实验需求高；（2）烧结好与坏的评判表征不明确，需要探索一些物理性质来决定烧结的好坏；（3）烧结窗口需扩大，激光与纳米颗粒的相互作用物理机制仍待探索。

2激光加工实训教学现状

目前，激光加工技术已成为高校工程实训课程的重要组成部分，为学生提供了拓展知识领域的机会。然而，高校激光加工实训教学存在一些亟待解决的问题。首先，设备数量有限且陈旧，难以满足多种激光加工技术的全面应用和学生实践需求。其次，实训模式相对单一，缺乏对不同专业学生的差异性考虑。最后，实训内容匮乏，缺乏科学规划和多样性［23］。

为解决上述问题，高校需升级设备，确保现代化和设备齐全；采用多元化实训模式，满足不同专业学生需求；在实训内容上，加强规划和研发，设计有针对性的项目，提升实效性；培养学生安全意识，引入实际应用案例，增强对激光加工应用的认知；设计团队项目，培养团队合作和创新能力；建立科学评估机制，通过考核和反馈提升学生实际操作水平和工程实践能力。这些措施将优化激光加工实训，提高学生综合素养。

3机器学习技术帮助下的飞秒激光烧结课程设计思路

为了将机器学习技术融入飞秒激光烧结教学，我们设计了一系列的教学活动，包括机器学习基础课程、实验仿真、案例分析等环节。这些活动旨在通过实践操作和理论学习相结合，提高学生对飞秒激光烧结技术的认识。

首先，通过多媒体课件向不同专业背景的学生简要介绍了飞秒激光烧结的大背景和重要性，以及机器学习的基础方法。同时，引出了在开放性的飞秒激光烧结研究中可能遇到的问题，并教授学生科学研究的方法和思维：“文献调研—重复结果—参数优化—实验验证”。学生被分为两个小组：“传统物理模型组”和“机器学习组”，鼓励他们根据现有理论和技术分工合作，探索新的研究领域，有目的地获取新知识。

在“传统物理模型组”中，学生主要通过文献阅读总结飞秒激光烧结领域内所用的模型、各类参数以及成功烧结的判定标准。这些参数和标准将有助于选择适当的机器学习模型进行训练，并通过对物理模型参数的优化生成更多数据，弥补实验数据不足的问题。

在“机器学习组”中，学生通过文献阅读总结目前与飞秒激光烧结预测相关的机器学习模型、应用场景以及其利弊。通过比较和讨论，选择合适的模型，学习构建网络，并使用“传统物理模型组”总结的各类参数进行网络训练，最终预测成功烧结的参数范围。

最后，通过实验验证，两个小组一同改进烧结好坏的评判指标，并共同编写一篇课程报告。在这个过程中，学生基于不同的知识点对前沿交叉研究文章进行分类讨论，使他们能够深入了解论文的背景、研究目标、实验方法和结果。这引导学生结合自身专业背景思考解决问题的方法，激发了学术交叉思维［5］。

3.1引入基础飞秒激光烧结的物理模型及机器学习的教学内容

3.1.1基于物理模型的优化

通过生动形象的多媒体课件，我们介绍了飞秒激光烧结过程中的物理现象。当飞秒激光照射铜纳米颗粒时，电子吸收光子能量并被激发。在短时间内，电子的温度迅速升高，直到飞秒激光照射结束。然后，电子将其高温传递给晶格，导致晶格温度上升。最终，电子系统和晶格系统的温度达到平衡状态。我们重点介绍了双温模型以及COMSOL软件的使用，演示了建立飞秒激光作用在材料表面的模型。通过演示不同参数下电子系统和晶格温度的变化，我们展示了激光烧结失败的主要原因：当飞秒激光的能流密度较高时，材料中的电子吸收光子的能量。当电子温度过高时，可能发生热电子发射，导致电子远离平衡位置，破坏晶格之间的平衡作用，这可能引起带有相同电性的晶格之间的库仑排斥，导致材料爆炸，并最终形成物质的喷流。

通过以上对飞秒激光烧结领域的详细介绍，以及“传统模型小组”的文献调研课堂汇报，学生不仅能够深入了解飞秒激光加工的过程和影响因素，还能够认识到其在实际应用领域的重要性以及发展动态。这样的教学方式旨在激发学生的兴趣，促使他们更深入地思考并参与到这一前沿领域的研究中。

3.1.2基于机器学习的优化

机器学习是一门涉及多领域交叉学科的学科，其知识领域包括概率论、统计学、逼近论、凸分析、算法理论等［6］。虽然机器学习的公式相对复杂，但本课程的教学理念是通过逆向学习的方式，即从选择使用、掌握使用开始，逐步深入理解其原理。机器学习方法的优势在于可以通过“黑匣子”进行判定，无须明确的物理模型及过程，这能够解决飞秒激光加工目前面临的三个挑战。然而，机器学习的缺点在于需要大量的数据进行训练。因此，本课程旨在引导学生将机器学习视为一个工具，学习其使用条件及方法。建议同学们参考斯坦福大学AndrewNg的机器学习公开课，深入学习机器学习的基本概念和技术。

通过文献调研，学生可以总结目前在飞秒激光烧结预测中使用类似场景的模型。在小组讨论和课堂汇报中，学生可以共同筛选出可用的机器学习模型。在课后，小组可以展开网络搭建，利用网上资源进行参考和学习。这一过程旨在培养学生对于机器学习在实际问题中的应用能力，同时鼓励他们主动查找相关资源，提高自主学习的能力。

3.1.3基于实验的统一验证

为确保所有使用激光设备的人员都能正确理解和遵守激光安全标准，我们着手建立激光使用安全培训课程及视频，并设置培训后的测试题。这一任务至关重要，旨在通过实际操作验证学员对激光安全知识的掌握程度。

首先，我们开发了详尽的激光使用安全培训课程，涵盖了激光基础知识、安全规范以及急救措施等方面。通过多媒体教学、案例分析和模拟演练，学员能够深入了解激光的特性、潜在危险以及必要的防护措施。

其次，我们设计了培训视频，直观生动地展示激光使用的实际场景。这有助于学员更好地理解激光设备的操作流程和相关安全事项。

培训结束后，我们通过设置测试题来评估学员的掌握情况。这些问题涵盖了激光的基础理论、安全规程以及紧急情况下的应对方法。学员需在测试中展示对激光安全知识的全面理解，确保他们能够在实际工作中正确应对激光设备的使用和突发情况。

为了进行基于实验的统一验证，我们在课堂中设定了两个小组，讨论实验参数范围并进行实际操作。通过对比预测结果与实验结果，学员能够识别可能导致差异的因素，并提出改进方案。这种基于实验的学习方式不仅巩固了理论知识，还培养了学员在实际操作中灵活应用激光安全原则的能力。

3.2构建“以学生为中心”的研究型教学方法

在课程的起始阶段，明确定义学生的学习目标为掌握科学研究方法和思维，具体包括“文献调研—重复结果—参数优化—实验验证”等步骤，这有助于确保学生对学习任务和预期结果有清晰的认识。随后，在教学过程中，实施以下措施：

（1）小组工作安排：将学生分成两个小组，分别负责关键词搜索、文献阅读、总结等任务，以培养学生协同工作和团队协作的能力。

（2）课上课下协同：安排课下文献阅读及总结，通过课上小组讨论和文献汇报，引导学生进行深入研究。及时提供反馈，解答疑问，确保学生在实际操作中能够理解和掌握方法。

（3）自主学习机会：强调学生的自主学习机会，鼓励主动查找资料和资源，培养他们独立解决问题的能力。

（4）开放讨论环境：创造宽松和开放的讨论环境，鼓励学生分享观点和经验，促进彼此之间的交流和合作。

（5）持续学习：强调教师和学生都在持续学习新知识，与学科的发展保持同步。通过不断更新课程内容，确保教学内容紧跟时代和行业发展。

（6）中期问卷反馈：设计中期问卷，收集学生对课堂教学模式的反馈。通过三个问题了解学生最喜欢和不喜欢的地方，以及提供建议，以便及时调整教学策略。

这一系列措施旨在激发学c6e09d2e89799f7c6054fc603958d25b8253a63d84291058d0a9f4bcd33e9e4f生的学习兴趣，提高他们的参与度，并确保他们在课程中获得实质性的学习和成长。

3.3开展以小组为单位的“翻转课堂”式教学活动

在研究型教学中，采用翻转式课堂，教师与学生角色互换，以小组为单位进行文献调研进展和文献复现过程的讨论汇报。通过引导两个小组的学生进行交叉融合，从各自的研究方向出发，利用已有知识将复杂问题拆解为多个小问题，逐个解决每个阶段的小问题，最终完成整体解决方案。这种研究型教学方法充分调动了学生的学习热情，让他们在“反客为主”的过程中深入研究知识点。

同时，以小组为单位进行的讨论汇报培养了学生的团队合作意识。学生在团队中相互协作，通过分享各自的研究进展，推动了知识的交流和共享。这不仅有助于拓宽学生的学科视野，还促使他们从多个角度思考问题，培养了批判性思维和解决实际问题的能力。

通过这种研究型教学模式，学生不仅仅是知识的获取者，更是知识的创造者和应用者。这样的教学方法有助于激发学生的创新潜力，提高其综合素养，为将来的科研和实践奠定了坚实的基础。

3.4采用全面测评的完善评分机制

最终个人的评分将由总体报告分（70%）、互评贡献（20%）及课堂报告表现（10%）三部分组成。这样的评分机制在提高学生学习积极性和主动性方面发挥了关键作用，同时，也能够促使学生更加积极地参与课堂小组合作。这一评分机制有望在提高学生学习动力的同时，通过互评和课堂表现的权重，鼓励学生在小组中充分发挥合作精神。学生在组内贡献的积极性将在互评贡献这一项中得到体现，这有助于培养学生团队协作和组织协调的能力。此外，可以考虑加入一些关于课堂效果的评价，比如学生对于课堂内容的理解深度、提问和回答问题的质量以及对同学提出观点的积极参与等方面，这些因素将有助于全面了解学生在学术和课堂参与方面的表现。

结语

本文以创新研修类课程“机器学习帮助下的飞秒激光烧结实践”为例，对引入学科交叉融合、科研反哺教学的方式进行了探索，获得了有益的结论，主要包括：（1）以热门机器学习方法导入，激发学生学习热情；（2）以前沿科学应用为例，以探索未知领域为导向，使机器学习应用具象化，更能让学生有目的性地学习知识，掌握“文献调研—重复结果—参数优化—实验验证”的科学研究方法和思想；（3）创设情境教学，翻转课堂中能够让学生加深对课程的了解。

参考文献：

［1］戴明华，张红哲，姜英，等.多层次激光加工实训教学的探索与实践［J］.实验科学与技术，2021，19（04）：141144.

［2］宋春雨，高明.多层次激光加工实训教学改革探索［J］.科技风，2023（07）：8385.

［3］云灵，崔玉栋.超快激光制造技术实验教学平台的建设与探索［J］.电子科技，2023，36（10）：5661.

［4］张华，张晓卫，居志兰，等.基于科研反哺教学的《先进制造技术》课程教学改革研究［J］.科技创新导报，2020，17（07）：211212.

［5］孙丽超，马晓焉，陈振娅，等.基于学科交叉实施生命科学基础类课程教学改革［J］.生物工程学报，2023，39（11）：47184729.

［6］曾园园.新工科背景下机器学习课程教学创新实践探索［J］.计算机教育，2022（11）：7881+86.

课题信息：本文系2020年哈尔滨工业大学（深圳）创新创业教育课程建设项目《机器学习帮助下的超快激光烧结实践》（课题编号：HITSZINRP1012）；2022年哈尔滨工业大学（深圳）在线开放课程建设与应用课题《基于混合式教学的通信电子线路教学改革研究》（课题编号：HITSZPMT2201）；2021年哈尔滨工业大学（深圳）创新创业教育课程建设项目《面向MPW的硅基光电子芯片设计》（课题编号：HITSZINRP1019）

作者简介：何枫（1989—），女，汉族，湖南长沙人，博士，助理教授，主要从事超快光谱、飞秒激光加工等方面研究。