Нейросеть, способную предсказывать эффективность материалов для фотонных технологий, создали в Университете Лобачевского. Данная модель может оценивать уровень «топологической защиты» фотонных кристаллов с точностью более 90%, предоставляя новые возможности для развития и увеличения производительности вычислительных систем.
По словам разработчиков, передача информации с помощью частиц света (фотонов) позволяет повысить дальность передачи сигнала, а сами устройства сделать более компактными. Реализовать потенциал таких фотонных технологий возможно с помощью современных методов управления оптическим излучением. Контролировать и направлять фотоны позволяют решетки из световодов – фотонные кристаллы. Но свет может рассеиваться на дефектах, которые часто возникают при изготовлении образцов. Это приводит к искажению сигналов и потере информации. Чтобы защитить кристалл от негативных эффектов, используют «топологические» системы с особой структурой.
«От сильного рассеяния свет в фотонной системе способна защитить особая симметрия решётки. При этом информация передается вдоль выделенных границ с помощью так называемых краевых состояний света. На основе данных о том, как излучение проходит сквозь фотонные кристаллы, мы обучили нейросеть анализировать структурные особенности образца и предсказывать его способность поддерживать краевые состояния», – рассказал автор исследования, заведующий научно-исследовательской лабораторией «Искусственный интеллект и обработка больших массивов данных» Института информационных технологий, математики и механики (ИИТММ) ННГУ Лев Смирнов.
До сих пор для определения защищенности кристалла от рассеивания света требовались дополнительные эксперименты, измерения и математические расчёты. Подход нижегородцев позволяет делать заключение по однократному замеру базового параметра интенсивности сигнала на выходе из решётки.
«Чтобы определить топологические свойства оптического элемента с помощью нашей нейросети, экспериментаторам и инженерам достаточно измерить интенсивность сигнала в центральной области образца и загрузить эти данные в обученную модель. Данный метод значительно экономит время и упрощает вычисления. Такая оптимизация особенно актуальна сегодня, когда фотонные элементы интегрируются в классическую и квантовую электронику. А в будущем они могут служить компонентной базой фотонных компьютеров», – рассказала сотрудник научно-исследовательской лаборатории «Искусственный интеллект и обработка больших массивов данных» ИИТММ Екатерина Смолина.
Результаты опубликованы в журнале Nanophotonics в 2024 году.
Справка
Молодёжная научно-исследовательская лаборатория «Искусственный интеллект и обработка больших массивов данных» ИИТММ Университета Лобачевского была создана при поддержке Министерства науки и высшего образования РФ в рамка нацпроекта «Наука и университеты».
Источник информации и фото: пресс-служба ННГУ