Development of a multi-scale physics model and incorporation of predictive modeling techniques to describe laser-induced processes in irradiated metals

Abstract

Femtosecond laser-matter interaction involves a sequence of coupled physical phenomena ranging from electromagnetic, thermal, to hydrodynamic regimes, each operating on distinct timescales while collectively determining the final material response. Understanding and predicting these processes is of fundamental importance for laser-based surface engineering, since they enable precise surface modification and the formation of micro- and nanoscale structures. This includes the formation of Laser-Induced Periodic Surface Structures (LIPSS), textures that enable a broad spectrum of functional surfaces with significant technological importance.While precise surface patterning necessitates the modulation of a diverse array of laser and material variables, the high dimensionality of the parameter space makes traditional trial-and-error techniques involving experiments and simulation both time-consuming and costly. This thesis addresses this challenge by developing a systematic predictive modeling framework. The research follows a hierarchical progression: first, gaining a fundamental understanding of the underlying physics; second, translating that knowledge into a robust multi-scale numerical model and utilizing this model as an engine to generate extensive datasets; and finally, employing these data sets to enable predictive machine learning.By analyzing a two-layered geometry, this study explores how energy dissipation is governed by the competition between two mechanisms, namely electron diffusion and electron-phonon coupling. The findings reveal a non-monotonic relationship between the laser pulse duration and the damage threshold, with a distinct minimum occurring near the electron-phonon relaxation time. This investigation demonstrates that electron confinement in thin films significantly alters relaxation dynamics compared to bulk targets, providing a validated physical criterion for the onset of material melting.Building upon these fundamental insights, the second stage introduces a comprehensive multi-scale physics framework to simulate the progressive evolution of surface morphology over multiple laser pulses. To transition from simple melting to the formation of self-organized structures, the model integrates electromagnetic wave scattering, non-equilibrium thermal dynamics, and hydrodynamic melt flow. The results illustrate how nanoscale surface irregularities act as seeds that excite surface electromagnetic waves, leading to spatially modulated energy deposition. This inhomogeneous heating drives the redistribution of molten material via surface tension and pressure forces. This unified model successfully captures the positive feedback loop between evolving topography and field enhancement, reproducing the morphological changes and periodicity shifts observed in experimental settings. In the final stage, to demonstrate the scalability of the framework and overcome the computational limitations of full-scale simulations, classification algorithms are trained on a combined database of experimental and simulated results. This data-driven methodology enables the rapid prediction of surface outcomes --such as ripples, grooves, or spikes-- directly from processing parameters. Furthermore, by employing other more complex metrics, the model identifies regions of high parametric uncertainty, providing guidelines for more informed and efficient future experimental designs. Collectively, this thesis demonstrates that the integration of fundamental physics with data-driven modeling constitutes a powerful strategy for the understanding, prediction, and optimization of laser-based surface engineering.

Η αλληλεπίδραση λέιζερ φεμτοδευτερολέπτου (femtosecond laser) με την ύλη περιλαμβάνει μια ακολουθία συζευγμένων φυσικών φαινομένων που εκτείνονται από ηλεκτρομαγνητικές, θερμικές, έως υδροδυναμικές περιοχές, καθένα από τα οποία λειτουργεί σε διακριτές χρονικές κλίμακες, ενώ συλλογικά καθορίζουν την τελική απόκριση του υλικού. Η κατανόηση και η πρόβλεψη αυτών των διεργασιών είναι θεμελιώδους σημασίας για την επιφανειακή επεξεργασία με λέιζερ, καθώς επιτρέπουν την ακριβή τροποποίηση της επιφάνειας και το σχηματισμό δομών μικρο- και νανο-κλίμακας. Αυτό περιλαμβάνει το σχηματισμό Περιοδικών Επιφανειακών Δομών Επαγόμενων από Λέιζερ (Laser Induced Periodic Surface Structures (LIPSS)), δομών που καθιστούν δυνατή μια ευρεία γκάμα λειτουργικών επιφανειών με σημαντική τεχνολογική σπουδαιότητα.Ενώ η ακριβής επιφανειακή διαμόρφωση απαιτεί τη ρύθμιση μιας ποικιλίας μεταβλητών λέιζερ και υλικού, ο πολυδιάστατος χαρακτήρας του παραμετρικού χώρου καθιστά τις παραδοσιακές τεχνικές δοκιμής και σφάλματος (trial and error) που περιλαμβάνουν πειράματα και προσομοιώσεις χρονοβόρες και δαπανηρές. Η παρούσα διατριβή αντιμετωπίζει αυτή την πρόκληση αναπτύσσοντας ένα συστηματικό πλαίσιο προβλεπτικής μοντελοποίησης. Η έρευνα ακολουθεί μια ιεραρχική πορεία: πρώτον, την απόκτηση θεμελιώδους κατανόησης της υποκείμενης φυσικής· δεύτερον, τη μετάφραση αυτής της γνώσης σε ένα ισχυρό αριθμητικό μοντέλο συζευγμένων φυσικών φαινομένων (multi-scale physics model) και τη χρήση αυτού του μοντέλου ως μηχανής για τη δημιουργία εκτεταμένων συνόλων δεδομένων· και τέλος, την αξιοποίηση αυτών των συνόλων δεδομένων για να καταστεί δυνατή η προβλεπτική μηχανική μάθηση. Αναλύοντας μια διστρωματική γεωμετρία δείγματος/υποστρώματος, η μελέτη αυτή διερευνά πώς η διάχυση ενέργειας διέπεται από τον ανταγωνισμό μεταξύ δύο μηχανισμών, συγκεκριμένα της διάχυσης ηλεκτρονίων και της σύζευξης ηλεκτρονίων-φωνονίων. Τα ευρήματα αποκαλύπτουν μια μη-μονότονη σχέση μεταξύ της διάρκειας του παλμού λέιζερ και του κατωφλίου καταστροφής (Damage Threshold), με ένα διακριτό ελάχιστο να εμφανίζεται κοντά στο χρόνο χαλάρωσης (Relaxation time) ηλεκτρονίων-φωνονίων. Αυτή η διερεύνηση καταδεικνύει ότι η περιορισμένη διαχυση των ηλεκτρονίων (diffusion) σε λεπτά υμένια αλλάζει σημαντικά τη δυναμική χαλάρωσης σε σύγκριση με δειγματα μεγαλου παχους (bulk), παρέχοντας ένα πειραματικά επαληθευμένο φυσικό κριτήριο για την έναρξη της τήξης του υλικού. Βασιζόμενη σε αυτές τις θεμελιώδεις γνώσεις, το δεύτερο στάδιο εισάγει ένα ολοκληρωμένο πλαίσιο μοντέλου συζευγμένων φυσικών φαινομένων πολλαπλών κλιμάκων (multi-scale physics model) για την προσομοίωση της προοδευτικής εξέλιξης της επιφανειακής μορφολογίας σε πολλαπλούς παλμούς λέιζερ. Για τη μετάβαση από την απλή τήξη στο σχηματισμό αυτο-οργανωμένων δομών, το μοντέλο ενσωματώνει τη σκέδαση ηλεκτρομαγνητικών κυμάτων, τη θερμική εξέλιξη εκτός ισορροπίας και την υδροδυναμική ροή του τηγμένου υλικού. Τα αποτελέσματα απεικονίζουν πώς επιφανειακές ανωμαλίες νανο-κλίμακας λειτουργούν ως σπόροι που διεγείρουν επιφανειακά ηλεκτρομαγνητικά κύματα, οδηγώντας σε χωρικά μεταβαλλόμενη εναπόθεση ενέργειας. Αυτή η ανομοιογενής θέρμανση οδηγεί την αναδιανομή του τηγμένου υλικού μέσω δυνάμεων επιφανειακής τάσης και πίεσης. Αυτό το ενοποιημένο μοντέλο αποτυπώνει με επιτυχία τον βρόχο ανατροφοδότησης (positive feedback loop) μεταξύ της εξελισσόμενης τοπογραφίας και της ενίσχυσης πεδίου, αναπαράγοντας τις μορφολογικές αλλαγές και τις μετατοπίσεις περιοδικότητας που παρατηρούνται σε πειραματικές συνθήκες. Στο τελικό στάδιο, για να αποδειχθεί η επεκτασιμότητα του πλαισίου και να ξεπεραστούν οι υπολογιστικοί περιορισμοί των προσομοιώσεων πλήρους κλίμακας, αλγόριθμοι ταξινόμησης εκπαιδεύονται σε μια συνδυασμένη βάση δεδομένων πειραματικών και προσομοιωμένων αποτελεσμάτων. Αυτή η μεθοδολογία βασισμένη σε δεδομένα επιτρέπει την ταχεία πρόβλεψη του ειδους των επαγωμενων επιφανειων όπως κυματώσεις, αυλακώσεις ή ακίδες (ripples, grooves or spikes), απευθείας από τις παραμέτρους κατεργασίας και τις παραμέτρους του λέιζερ. Επιπλέον, χρησιμοποιώντας άλλους πιο πολύπλοκους δεικτες αξιολόγησης, το μοντέλο εντοπίζει περιοχές υψηλής παραμετρικής αβεβαιότητας, παρέχοντας κατευθυντήριες γραμμές για πιο τεκμηριωμένους στρατηγικους και αποδοτικούς μελλοντικούς πειραματικούς σχεδιασμούς. Εν κατακλείδι, η παρούσα διατριβή καταδεικνύει ότι η ενσωμάτωση της θεμελιώδους φυσικής με τη μοντελοποίηση βασισμένη σε δεδομένα αποτελεί μια ισχυρή στρατηγική για την κατανόηση, την πρόβλεψη και τη βελτιστοποίηση της επεξεργασίας επιφανειων με λέιζερ.