应用于被动锁模光纤激光器中自启动、可控谐波生成及高平坦度超连续谱精确控制的自动化系统（采用预测性神经网络） 作者： 马克西米诺·R·塔皮亚-加西亚（Maximino R. Tapia-Garcia） 胡安·C·埃尔南德斯-加西亚（Juan C. Hernandez-Garcia） 罗伯托·罗哈斯-拉古纳（Roberto Rojas-Laguna） 胡利安·M·埃斯图迪略-阿亚拉（Julian M. Estudillo-Ayala） 斯蒂芬妮·G·埃尔南德斯-加西亚（Stephanie G. Hernandez-Garcia） 奥利维尔·波蒂埃（Olivier Pottiez） 何塞·D·菲洛特奥-拉佐（Jose D. Filoteo-Razo） 赫苏斯·P·劳特里奥-克鲁斯（Jesus P. Lauterio-Cruz） 丹尼尔·豪雷吉-巴斯克斯（Daniel Jauregui-Vazquez）

《Photonics》：Automatized System with Predictive NN Applied for Precise Control of Self-Starting, Controllable Harmonic and High Flatness Supercontinuum Generation in Passively Mode-Locked Fiber Laser Maximino R. Tapia-Garcia, Juan C. Hernandez-Garcia, Roberto Rojas-Laguna, Julian M. Estudillo-Ayala, Stephanie G. Hernandez-Garcia, Olivier Pottiez, Jose D. Filoteo-Razo, Jesus P. Lauterio-Cruz and Daniel Jauregui-Vazquez

　　摘要：我们将自动化偏振控制系统集成到八字形光纤激光器中，旨在实现自调噪声脉冲（NLPs）。该系统通过自适应控制和预测神经网络（NNs）优化偏振调整，从而提升脉冲的时间和光谱特性。这种方法能够精确控制脉冲特性，实现平均输出功率为275.25毫瓦（302.8纳焦耳）的信号发射，波长约为1567纳米；可调的NLP脉冲包络持续时间从13纳秒到48纳秒，对应的光谱宽度从50纳米到超过200纳米；并且能够通过腔体谐波脉冲生成将重复频率提高到基频的100倍，即909千赫兹。多参数脉冲模式搜索算法稳定了高能量的NLPs，使其处于基频或谐波模式，而预测网络则优化腔体响应，整个过程平均耗时11.5秒。自动化偏振控制系统支持高能腔体谐波脉冲的产生，以及具有高平坦度的宽带超连续谱（SC）。

1. 引言
光纤激光器被认为是创新的、高效且多功能的光源设备，在医疗、工业和科学领域得到广泛应用[1,2,3,4,5]。在多种脉冲配置中，被动锁模光纤激光器（PML-FLs）由于能够产生多种类型的光脉冲（如保守孤子[6,7]、耗散孤子[8,9]、噪声脉冲（NLPs[10,11]或脉冲簇[12]）而简单、紧凑且成本低廉。被动锁模技术可以通过腔体内循环的一个或多个脉冲（基频锁模）获得超短脉冲；特别是人工饱和吸收器（SA）通过克尔效应工作，由于其响应非常快，使得被动锁模（PML）成为获得飞秒至纳秒级脉冲的有效技术。SA可以通过衰减低强度信号并允许强信号在腔体内往返传输来压缩脉冲。这种锁模方式使得如八字形激光器（F8L）等脉冲激光器的制造成为可能，其中NOLM作为人工SA进行低功率传输的调整。该技术涉及多种非线性光学现象，如SPM、XPM和58NPR[13,14]。

在某些情况下，锁模可能是部分或不完全的，尤其是在NLP模式下。NLPs首次被报道是在二十多年前[15]；近年来，由于其独特特性（如能量达到数百纳焦耳到几微焦耳[16,17,18]以及展示出在大时间尺度上的稳定全局行为但在局部层面呈现混沌行为（由数千个飞秒至皮秒级脉冲组成[19]）而受到关注。这些脉冲的特性还使得研究与非稳态现象相关的研究成为可能[20,21]，包括极端光学事件的研究[22,23]。此外，由于上述NLP特性，开发出了多种应用，如低相干光谱干涉测量[24]、材料加工[25]、传感[26]、生物成像[27]和超连续谱（SC）生成[18,28,29,30,31]。在超连续谱生成方面，一些研究人员受到提高SC光源效率和低成本需求的驱动，使用NLPs作为种子来生成非常宽且平坦的光谱。噪声脉冲的特性有助于提高干涉测量分辨率，主要是因为这些脉冲虽然总体上持续时间为纳秒级，但其内部包含的子脉冲的持续时间在皮秒至飞秒级别。这为NLPs在低相干系统中的应用提供了优势，如最小化相干长度（提高轴向分辨率）、高光谱强度和信噪比（SNR）、减少散斑/寄生干涉以及分散鲁棒性。从机制上看，噪声脉冲的高能量密度通过利用“双尺度”结构——高强度子脉冲在较宽的低强度包络内——实现了快速的非线性材料去除，同时减少热损伤，使激光器能够以“孤子滴”形式工作，提供高总脉冲能量（高达数十焦耳），同时保持低相干性，非常适合高效的非相干消融。提高吞吐量的机制（高速加工）包括快速材料消融和高脉冲能量传输、简化放大；提高精度的机制（高质量表面处理）包括减少热影响区（HAZ）和低相干消融。NLPs结合了长脉冲的高能量与超快脉冲的精确性[10]。

在光纤激光器配置中，偏振状态是一个关键参数，激光器的操作模式和稳定性往往取决于此。然而，确保特定的偏振调整往往是一个复杂的过程；此外，环境因素可能会随时间改变光的偏振状态（例如，温度引起的双折射变化），影响长期稳定性并需要频繁调整。因此，需要开发自动化偏振调整程序，将这些系统从研究实验室推向实际应用。在这项工作中，我们通过对偏振控制器板的自动调整，对八字形配置下的脉冲光纤激光器的时间和光谱特性进行了研究，以实现精确的自启动，并促进了高谐波脉冲、宽带SC光谱和异常波生成的应用，展示了所提设置的优越性。

2. 应用方法
自适应控制是一种控制技术，能够在过程条件未知时实时自动调整控制器参数，以维持最佳系统性能。与传统控制系统不同，传统控制系统的控制器参数是固定的，并基于预定义模型进行调优。自适应控制系统的优势在于它们能够根据变化的条件、不确定性或设计阶段未考虑的干扰不断调整自身行为，适用于工业过程、机器人技术、电力电子学和自动调优等场景[32]。光纤激光器是使用自适应控制技术的理想系统。特别是锁模激光器（如F8L）是一个高度非线性的系统，很难参数化和建模诸如双折射变化之类的干扰如何影响系统。图1展示了自调谐光纤激光器的示意图。该图显示了如何利用由可旋转的四分之一波片（QWR）组成的光学控制系统在激光器的非线性光学环路镜（NOLM）部分自动获得脉冲模式，其调整允许激光器自启动[33]。另一方面，编程QWR、半波片（HWR）和QWR板的角度，可以根据激光器环状部分的偏振控制器来调整脉冲的时间持续时间和输出光谱宽度。最后，该过程通过基于扩展的非线性薛定谔方程对的预测神经网络进行计算辅助。机器学习方法旨在揭示每个系统基本方面的重要信息，这些信息通常是维度缩减的、相关的特性和/或活动簇。这些基本模式对于创建能够替代人类决策和控制技术的框架至关重要。在锁模光纤激光器中，目的是使用这些数学策略让算法学习激光器的基本腔体特性和行为。这样，算法就能记住激光器的关键操作区域以及如何有效处理错位或非最优的激光腔体。因此，可以用一个快速且完全自动化的自调谐系统替代经验丰富的研究人员。

本工作中使用的实验装置是一个八字形激光器，由环形腔体和NOLM组成。在环形部分，使用光束 combiner 将激光二极管内部的泵浦功率引导到腔体中。活性光纤是一段铒/镱双包层光纤，引入了偏振依赖的光学隔离器以保证单向激光传输；该元件还起到偏振器的作用。环形结构还包括一段单模光纤和由QWR-HWR-QWR板组成的偏振控制器。激光器输出通过连接到 combiner 的耦合器提供，从而形成闭环。采用功率对称但偏振不平衡的NOLM方案作为饱和吸收器；通过这种NOLM设置，可以实现F8L的自启动锁模[33]。

operate模式基于预测神经网络（NNs），因为它们具有多变量性质和近似系统非线性行为的能力。训练数据是通过使用开环控制系统对激光器进行表征获得的，测量了不同泵浦电流和主要电机化偏振控制器角度下的激光发射。泵浦功率从1.8瓦调整到6.5瓦，偏振控制器的角度从0°调整到360°。设计了一个具有三个隐藏层的多层感知器，接收主板定位角和泵浦电流作为输入参数；输出指示激光器的操作模式，区分三个主要区域：连续发射、定义明确的脉冲发射（或高稳定性区域）以及脉冲不稳定的准脉冲发射（见图2）。NN使用的激活函数是tanh和ReLU，使用了多达1445个训练点。一组耦合方程描述了激光器的理论行为，用于在自调谐过程中预测激光器的操作区域，以防所需输出出现误差。图2. 设计的多层感知器配置，具有三个隐藏层。一旦预测了操作模式，就需要纠正系统变化引起的时间变化区域。我们观察到感兴趣的区域在表征图上的分布不会改变，而是仅相对于偏振控制器的角度发生偏移。这意味着随时间的扰动可以近似为区域偏移。这一阶段的控制系统允许我们更高效地搜索感兴趣的区域，首先使用电机化偏振控制器进行初步扫描以定位区域，然后根据神经网络获得的表征图计算偏移量，随后在感兴趣的区域进行精确搜索。

3. 实验装置
实验装置是一个八字形光纤激光器（F8L），总长度接近215米，由环形腔体和非线性光学环路镜（NOLM）组成，如图3所示。在环形部分，来自976纳米激光二极管的泵浦功率通过980/1550纳米 combiner 注入。增益介质由大约2米的铒-镱双包层光纤（EYDCF，型号MM-EYDF-12/130-HE）组成，芯径为12微米（NA = 0.20），内包层厚度为130微米，在1530纳米处的芯吸收率为70 dB/m。为了保证单向传播，加入了偏振依赖的光学隔离器（PD-ISO），它也起到偏振器的作用。腔体还包括大约200米的单模光纤（SMF），色散参数为18 ps/nm/km，以及由QWR-HWR-QWR板组成的偏振控制器。激光器输出通过90/10耦合器的10%端口提供，而剩余的90%反馈到系统中，形成腔体闭环。采用功率对称但偏振不平衡的NOLM作为饱和吸收器，该NOLM由50/50耦合器、每米扭曲5圈的单模光纤和不对称插入环路中的QWR组成，以打破偏振对称性。在这种NOLM（非线性偏振模式锁定）设置中，通过适当旋转QWR角，可以在F8L中实现自启动模式锁定。在腔体内，由于几种非线性光学过程的相互作用，会产生一个超连续谱（SC）：自相位调制（SPM）、交叉相位调制（XPM）、高阶孤子动力学（HOS）、四波混频（FWM）和受激拉曼散射（SRS）。相对较高的泵浦功率加上激光器中的长SMF（标准单模）段增强了光谱的展宽。最后，为了实验性地确定激光器的操作状态是否属于NLP（非线性脉冲）区域，我们使用了FR-103MN自相关器和一个2 GHz的光电探测器。图3显示了脉冲八字形光纤激光器的实验配置。在这项研究中，F8L系统采用了双包层铒镱光纤，并结合基于非线性偏振效应的NOLM，形成了一个被动模式锁定的光纤激光器（PML-FL）。这种方法提供了成本效益高且稳健的解决方案。通过适当设置PC（偏振控制器）和QWR，我们实现了几乎稳定的自启动基模锁定操作。图4展示了使用SolidWorks 2018 SP4.0计算机辅助设计软件和3D打印机制作的自动延迟片的结构。为了开发自动偏振控制系统，我们使用了步进电机来调整延迟片的角度。电机型号为28BYJ-48，由ULN2003A芯片控制器驱动。这些电机每转有64步，并且具有1/64的减速比；在全步模式下每转总计2048步，在半步模式下每转总计4076步。此外，还使用了一个齿轮系统来传递运动并进一步提高分辨率。所设计的齿轮是一个平齿轮小齿轮-冠状系统，其比例为12/34。由于使用了步进电机，整个系统在微调角度方面具有从0.062°/步到0.031°/步的精细分辨率，并且在测试中具有高重复性，这得益于激光方案控制中实现的预测神经网络的支持。

4. 数值研究
通过对八字形光纤激光器的行为进行数值模拟进行了分析。所采用的模型与图3所示的实验配置非常吻合。NOLM的长度（10米）和EDF（增益光纤）的长度（2米）与实验设置相匹配，并且在NOLM输入端考虑了一段15米的光纤，以计入插入环段的组件（如耦合器、隔离器、偏振器和波片）的尾纤。色散参数（18 ps/nm/km）和非线性系数γ（1.5 /W/km）对应于实验中使用的SMF-28光纤。调整QWR角以在弱功率条件下实现相对较低的透射率（约0.1），从而支持自启动模式锁定。假设输入NOLM的偏振是线性的，与QWR形成角度ψ = 0.35π/4，导致开关功率接近约2400瓦，远高于ψ = π/4时获得的最低值（约1250瓦）。激光光纤段中的传播由耦合的扩展非线性薛定谔方程描述，通过圆偏振基础的Split-Step Fourier技术求解[26]。(1) 方程(1)的初始项考虑了色散和克尔非线性，而增益贡献仅在 active fiber region（有源光纤区域）内包含。色散系数β2以ps2/km表示，参数g（单位长度的增益）被视为沿掺杂光纤均匀分布，其饱和度取决于脉冲能量，如(2)所示，其中g0代表小信号增益，Esat代表饱和能量。在模拟中使用的g0和Esat的值（分别为500 m和0.8 nJ）是为了获得与实验结果相当的结果，特别是在脉冲能量方面。增益的光谱依赖性使用以1550 nm为中心、FWHM带宽为50 nm的高斯滤波器进行建模。忽略了诸如由于光纤扭曲引起的偏振模式色散、拉曼自频移和三阶色散等效应，因为这些效应预计不会显著影响脉冲的形成。

众所周知，饱和度受到脉冲能量和重复率的影响，因为存储的能量也取决于脉冲间隔时间。增加泵浦功率通常会导致单个类噪声脉冲分解为多个结构，表明存在一个最大脉冲持续时间，超过这个时间后内部相干性无法维持。由色散波或连续波成分介导的子脉冲之间的排斥相互作用可能导致这种分裂。在色散腔中，这些子脉冲倾向于分离，最终破坏整个脉冲结构。部分色散补偿有望减少这种效应并提高可实现的最大脉冲能量。在基模锁定的极限之外，腔内往往会形成多个脉冲。在某些情况下，这些脉冲不稳定，表现出随机的时间分布和快速漂移，导致形成填充的持续模式。先前的研究使用环形腔[34]报告了在分裂发生前能量高达120 nJ的单一类噪声脉冲，尽管也有报告指出在没有分裂的情况下能量高达300 nJ的情况[17]。尽管进行了广泛的研究，但这些脉冲的形成和分裂机制仍存在争议。

在模拟中，过程从弱的高斯噪声输入开始。该信号经过多次往返传播，以确定是否达到稳态。虽然没有严格收敛，但在足够多次迭代后会出现一个准稳定状态。虽然往返之间的细结构会演变，但全局特征（如持续时间、峰值功率和光谱宽度）保持一致[图5a]。结果的波形包含一个包含众多超短脉冲的亚纳秒级包层，这些脉冲的幅度各不相同。对于选定的参数，总脉冲持续时间约为120 ps，而单个脉冲的持续时间大约为100 fs。图5展示了NLPs的数值计算特性和行为：(a) 时间强度剖面，(b) 自相关迹线，(c) 光谱。在(a,c)中，橙色曲线代表平均值，蓝色曲线代表单个波形。模拟的脉冲能量为1.4 nJ，与实验观察结果一致。图5b显示了计算出的自相关迹线，该迹线是在多个脉冲上平均得到的，与测量结果在质量上相符，显示出位于亚飞秒级峰值上的中心峰。峰值的延伸对应于波形的总持续时间，而狭窄的中心峰值的持续时间反映了集合中子脉冲的持续时间。然而，与实验的一个不同之处在于，模拟自相关中中心峰值功率与基座电平的比值大于2，并且通常随模拟参数而变化。图5c显示了一个平滑且相对较宽的轮廓，与实验数据一致，尽管FWHM带宽仍然低于10 nm。脉冲的形成过程源于异常色散和克尔非线性的相互作用，这与调制不稳定性密切相关。通过这种机制，一个准连续波演化为一组振幅各异的孤子状结构[27]。数值研究允许生成关于F8L内部自动偏振控制系统开发的控制的预测行为，旨在实现复杂操作模式的自调谐，特别是NLPs。这将展示在F8L中产生高效、可控和最佳时间与光谱行为研究的能力。

5. 结果与讨论
通过对偏振控制模块的编程，实现了脉冲光纤激光器的特性分析，得到了自启动的八字形激光系统这一重要结果。我们能够可视化脉冲工作范围，与之前的研究[18,29]相比，这些脉冲具有较高的能量噪声水平。通过这种系统开发，我们获得了一个包含操作区域的数据库，并基于预测性神经网络（predictive NN）开发了一种方法来生成脉冲。该系统能够找到仅受最大泵浦能量限制的模式锁定区域，正如预期的那样，增加泵浦电流会减少自启动时间，因为脉冲区域变得更宽且更稳定。图6显示了系统随时间的演变，直到超过期望的阈值，然后可以调整激光器。这使得自动自启动的平均稳定时间为11.5秒。图6显示了光纤激光器中自启动时间的变化。为了获得更稳定的脉冲状态（定义良好的脉冲输出），实现了一个预测性神经网络（predictive NN），目的是在检测到变化时纠正所需输出的误差。神经网络可以预测激光的工作区域，利用提供的数据我们可以计算两次不同实验测量之间的相位差，重新调整自动化系统以再次获得所需的输出。图7显示了在不同泵浦电流下，64度的偏移量计算以及定义良好的脉冲输出的重新调整，这表明可以通过调整实验测量中的相位差来获得所需的输出，同时保持激光器的稳定运行。结果表明，通过对偏振控制器板的自适应控制和预测性神经网络（predictive NN）的调整，可以对光学系统进行反馈，从而使自调谐更加高效。图7显示了在检测到输出变化时通过自动偏移量调整模式锁定区域。激光器中实现的新技术允许激光器无论受到外部干扰如何都能最优运行。因此，一旦达到定义良好的脉冲输出状态，由于实施了控制系统，就可以保持稳定性数小时。只有在系统受到外部干扰时才需要重新调整，但在研究的情况下，它可以在不到一分钟的时间内返回到所需的输出，从而为F8L提供了主动稳定性。它还允许更有效的控制，以便自动找到腔体谐波生成并改善SC（超连续谱）光谱。神经网络使我们能够预测激光器在脉冲模式下运行的概率较高的区域，无论其运行状态是高度稳定还是不稳定。一旦获得所需的脉冲输出，就可以通过确定图3中PC的QWR-HWR-QWR板的相应角度来控制产生的谐波数（见图8），从而影响SC光谱的改善。图8显示了对类噪声脉冲重复频率的精确自动控制，从（a）基频，（b）第一谐波，（c）第二谐波，（d）第三谐波，（e）第四谐波，（f）第五谐波，（g）第六谐波，（h）第七谐波，（i）第八谐波，（j）第十谐波。我们通过生成谐波模式锁定的脉冲，实验性地证明了可以控制重复频率的增加，最多可增加100倍，从而提供能够以GHz数量级运行的可变脉冲源（见图9）。在实验结果中，F8L内部的自动化控制系统允许我们在200 ns范围内获得20个NLPs，相当于在F8L腔的1.1 μs周期内有110个脉冲（第110谐波模式锁定），相当于100 MHz的重复频率。图9展示了通过F8L内部的自动化控制系统生成的第110谐波模式锁定。NOLM在脉冲形成中也起着关键作用。图10显示了有多少脉冲在到达NOLM输入时的功率大于NOLM的切换功率，因此它们倾向于在NOLM输出处分裂成多个脉冲。因此，NOLM倾向于增加脉冲的数量。此外，NOLM也是基础性的，因为它稳定了脉冲持续时间，去除了在色散光纤中传播时倾向于扩展的低功率边缘。在图10中，可以看到从基态到第一谐波的过渡，显示了称为脉冲相互作用的三个中间测量。图10展示了控制类噪声脉冲生成谐波的过程；(a) 显示了直到生成第一谐波的频率相互作用，(b) 比较了基频和第一谐波。开发的自动化系统使我们能够以更加可控和精确的方式获得实验结果，显示出在约1567纳米处的高功率光谱信号，以及持续时间在13到48纳秒之间的非线性泵浦（NLPs）的时间变化。实验方案中QWR板的定位使得F8L中的脉冲模式能够自动启动，而通过调整极化控制中的QWR、HWR和QWR板，我们可以调节脉冲的时间持续时间和激光输出的光谱宽度。如图11a所示，我们证明了该系统能够提高脉冲的强度并减少抖动，表明该系统可以改善激光发出的响应。在图11b中，使用单次采集模式且在泵浦功率为10瓦的情况下，我们可以观察到脉冲包络的半高宽（FWHM）约为13纳秒，近似功率为6瓦。在最大泵浦功率（25瓦）下，脉冲包络的功率达到了约23.3瓦。脉冲的时间轮廓是使用光电探测器（DET08CFC/M，Thorlabs）和2 GHz示波器（MSOX6004A，Keysight）测量的，周期T = 1.1微秒，相当于909千赫兹的基本重复率。图11。（a）高度稳定的基波和谐波；（b）通过增加泵浦功率可控的脉冲展宽。使用自动化控制自动调整激光的一些最重要优势在于，它允许自动延迟板找到最佳位置，以生成不同类型的时间脉冲轮廓，甚至能够在激光内实现谐波脉冲和具有高平坦度的超连续谱（SCG）生成。图12显示了与图11b中每个脉冲相关的SC光谱。稳定的基波锁模操作（见图11a）和高泵浦功率下的QWR调整使得我们注意到过渡到多脉冲操作，表现为稳定的HML（Highly Mode-Locked）。这种模式使得光谱显著平坦化。尽管观察到了HML，但这项研究中产生的低阶值（仅达到6阶，而通常超过100阶）与目前优化设置以最大化光谱宽度、从而直接由激光产生超连续谱时的NLP分裂成多个脉冲的趋势是一致的（从50纳米到超过200纳米）。图12展示了通过控制类噪声脉冲特性获得的高度平坦的超连续谱。图12（见蓝色图形）显示了通过减少NLP宽度持续时间而改善的SC源。我们观察到平坦度显著增加，获得了不到3分贝（这样的平坦度与当前研究超平坦性的工作一致[29,35]），至少覆盖了170纳米（1530–1700纳米）的范围，并且可能更广（由于OSA的测量限制只能测量到1700纳米）。使用NLPs进行SC生成的优势与被动锁模激光系统中涉及的非线性现象的复杂性有关。当前基于类噪声脉冲的SC源所展示的光谱平坦度和光滑度表明，一种类似于在反常色散区域使用皮秒-纳秒长脉冲进行SC生成的机制：调制不稳定性导致长输入脉冲的时间分解，并在初始阶段将它们变成大量随机飞秒级孤子，随后发生显著的光谱扩展[36]。MI诱导的非相干孤子群在某种程度上模仿了非相干NLP的特性，这些非相干NLP也被看作是飞秒级随机子脉冲的集合，这些子脉冲在脉冲压缩和孤子分裂过程中可能会进一步分裂成更窄的孤子。在孤子形成过程之后，光谱由于孤子动力学而显著扩展，其中拉曼诱导的孤子自频率移动（SSFS）是产生长波长光谱的主要因素。最后，表1展示了本研究的关键性能参数与现有最先进的光纤激光控制结果的比较总结。根据所提供的信息，可以看出我们的工作中提到的并非所有参数都能在其他报道的文章中得到完全控制。表1. 本研究的主要性能参数与现有最先进结果的比较表。6. 结论综上所述，我们通过一个带有预测网络的自动化系统来表征、研究和分析光纤激光器输出信号的演变（该激光器能够以连续波（CW）和脉冲模式运行）。自动化是通过分析和调整参数实现的，例如泵浦功率、偏振以及延迟板的角度，从而确定光纤激光器的理想输入参数。通过自动极化控制系统进行的实验方案使得能够表征NLP模式，并在获得的结果上实现了多种改进。提出了一种更高效的设计，用于脉冲光纤激光器。这一设计的主要优势包括自动启动的锁模操作；如果脉冲模式出现不匹配，激光器可以在平均11.5秒内自我调整。本工作产生的应用包括生成具有高平坦度的谐波脉冲和SCG。