1.一种基于神经网络的光子引线键合参数预测方法，其特征在于，包括：

S1：确定影响双光子聚合直写技术的环境参量和键合控制参量，在光子引线键合测试过程中，每次测试控制其中一个参量改变，其余参量不变，测得的实际耦合效率超过阈值时，记录对应的参量数据以及实际耦合效率和实际z方向高度，按预设顺序排列后作为一条向量数据，直到所有参量均遍历完后，形成由多条向量数据构成的数据集；所述环境参量包括环境温度、环境压力、相对湿度；所述键合控制参量包括中心相对高度差、低折射率包层材料参量、三维模型形状、飞秒激光波长、激光脉冲宽度、激光重复频率、期望耦合效率，期望z方向高度；

S2：对于所述数据集中的向量数据进行归一化处理，将处理后的数据集划分为训练集及测试集；

S3：以全连接前馈神经网络作为基础构建初始的光子引线键合参数预测模型，所述全连接前馈神经网络包括依次连接的输入层、隐藏层和输出层，所述输入层包含8个输入单元，分别用于输入环境温度、环境压力、相对湿度、中心相对高度差、低折射率包层材料参量、三维模型形状，以及期望z方向高度和耦合效率；所述输出层包含3个输出单元，分别用于输出飞秒激光波长、激光脉冲宽度、激光重复频率的预测值；

S4：利用所述训练集对光子引线键合参数预测模型进行训练，使用测试集对训练完成后的光子引线键合参数预测模型进行测试验证，使用控制变量法更新优化所述模型中隐藏层层数和节点数，当用于评估模型对于测试集的预测值和实际值之间误差的损失函数趋于收敛时模型训练完成，得到所需目标光子引线键合参数预测模型；

S5：使用所述目标光子引线键合参数预测模型对光子引线键合中飞秒激光器的输出参量进行预测，所述输出参量包括飞秒激光波长、激光脉冲宽度、激光重复频率。

2.如权利要求1所述的一种基于神经网络的光子引线键合参数预测方法，其特征在于，所述模型训练过程中，输入数据进入隐藏层的处理方式分为两步：首先对于输入数据进行线性变换，计算数据进入节点的出值；然后对所述出值进行非线性激活函数处理，计算隐藏该节点的输出激活值。

3.如权利要求2所述的一种基于神经网络的光子引线键合参数预测方法，其特征在于，所述非线性激活函数为：；

式中，x代表输入到各隐藏层节点中的向量数据。

4.如权利要求1所述的一种基于神经网络的光子引线键合参数预测方法，其特征在于，使用控制变量法更新优化所述模型中隐藏层层数及节点数，具体包括：先在相同的隐藏层数量下，控制节点数从50变化到500，以50为增量步长，选取损失函数值小于0.001时模型的节点数固定不变；再控制隐藏层层数从2变化到20，以2为增量步长，选取损失函数值<

0.0001时模型的隐藏层层数，由此得到所述模型的最优隐藏层层数和最优节点数。

5.如权利要求4所述的一种基于神经网络的光子引线键合参数预测方法，其特征在于，所述最优隐藏层层数为20层；所述最优节点数为200个。

6.如权利要求1所述的一种基于神经网络的光子引线键合参数预测方法，其特征在于，所述损失函数的表达式如下：；

式中，MSEv为损失函数值，表示数据集中向量数据的个数， 为数据集中的实际值，为使用全连接前馈神经网络获得的预测值。

7.如权利要求1至6任意一项所述的一种基于神经网络的光子引线键合参数预测方法，其特征在于，使用梯度下降算法及反向传播算法更新网络权重及偏置，以最小化损失函数。

8.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序在被处理器调用时，执行权利要求1至7任意一项所述的基于神经网络的光子引线键合参数预测方法。

9.一种光子引线键合控制系统，包括飞秒激光器、振镜、物镜、XYZ控制台、样品台和计算机，其特征在于，所述计算机用于接收获取或设置的环境温度、环境压力、相对湿度、中心相对高度差、低折射率包层材料参量、三维模型形状、期望z方向高度和期望耦合效率，以及通过权利要求1至7任意一项所述的基于神经网络的光子引线键合参数预测方法得到的目标光子引线键合参数预测模型预测飞秒激光器输出参量，以及通过与其电连接的XYZ控制台调整样品台的位置；所述飞秒激光器根据所述飞秒激光器输出参量输出相应的脉冲激光束；所述振镜用于控制脉冲激光束的激光焦点，根据三维模型形状在物镜焦平面上对光敏树脂进行扫描。

10.一种光子引线键合控制方法，其特征在于，基于权利要求9所述的系统，包括以下步骤：将待互连的第一对象和第二对象固定到同一样品台上；所述第一对象为光子芯片，所述第二对象为光纤或光子芯片；

将第一对象和第二对象的互连区域嵌入至光敏树脂中，自动检测光子引线键合波导端面和耦合结构在光敏树脂中的实际位置；

根据所述波导端面位置，调整用于将第一对象端面连接至第二对象端面的PWB波导的三维模型形状；

根据期望z方向高度以及第一对象和/或第二对象上作为参照物的标记，通过所述XYZ控制台调整样品台的位置进行对准操作；

所述计算机接收预先获取的环境温度、环境压力、相对湿度、中心相对高度差、低折射率包层材料参量、三维模型形状，并设置期望z方向高度和期望耦合效率，通过目标光子引线键合参数预测模型预测飞秒激光器输出参量；

所述飞秒激光器根据预测的飞秒激光器输出参量输出相应的脉冲激光束；

所述振镜控制脉冲激光束根据PWB波导的三维模型形状对光敏树脂按路径进行聚焦扫描，得到实际波导结构；

写入完成后，所述PWB波导被嵌入至低折射率的包覆材料，由此实现第一对象和第二对象的互连。