Machine Learning-driven light shaping for optomechanical measurement optimization

Διπλωματική Εργασία uoadl:3446976 4 Αναγνώσεις

Μονάδα:
Κατεύθυνση Μεγάλα Δεδομένα και Τεχνητή Νοημοσύνη
Πληροφορική
Ημερομηνία κατάθεσης:
2024-12-15
Έτος εκπόνησης:
2024
Συγγραφέας:
Ταβερναράκης Αλέξανδρος
Στοιχεία επιβλεπόντων καθηγητών:
Χάρης Παπαγεωργίου, Κύριος Ερευνητής, ΙΕΛ/ΑΘΗΝΑ
Κωνσταντίνος Κουτρούμπας, Διευθυντής Ερευνών, ΙΑΑΔΕΤ
Πρωτότυπος Τίτλος:
Machine Learning-driven light shaping for optomechanical measurement optimization
Γλώσσες εργασίας:
Αγγλικά
Μεταφρασμένος τίτλος:
Βελτιστοποίηση οπτομηχανικής μέτρησης διαμορφώνοντας φως με τη βοήθεια μηχανικής μάθησης
Περίληψη:
Η οπτομηχανική είναι ένα υπο-πεδίο της κβαντικής οπτικής και της μετρολογίας που μελετά την αλληλεπιδράσεις μεταξύ φωτός και ενός μετακινούμενου αντικειμένου και έχει από καιρό αναγνωριστεί ως η καλύτερη στρατηγική για τη μέτρηση της μηχανικής κίνησης. Οι κβαντικές ευαισθησίες της μέτρησης είναι τόσο υψηλές που η αρχή της απροσδιοριστίας του Χάιζενμπεργκ πρέπει να ληφθεί υπόψιν ενώ επιτρέπουν πλέον την άμεση παρατήρηση της επίδρασης των βαρυτικών κυμάτων στη Γη (π.χ. LIGO, VIRGO).

Αυτό το θέμα έχει εγείρει αυξανόμενη προσοχή και προοπτικές τα τελευταία 30 χρόνια: από την πλευρά της θεμελιώδους έρευνας, η οπτομηχανική ανοίγει τη δυνατότητα μέτρησης και ελέγχου της κίνησης στερεάς κατάστασης σε κβαντικό επίπεδο, ενώ ταυτόχρονα, σε πιο πρακτικές εφαρμογές, η εξαιρετική ευαισθησία των οπτομηχανικών συστημάτων προετοιμάζει το έδαφος για μια νέα γενιά ευαίσθητων ανιχνευτών με ευρύ φάσμα εφαρμογών.

Η ικανότητα αποτελεσματικής σύζευξης φωτός σε νανοκλίμακα έχει οδηγήσει το πεδίο στη χρήση των λεγόμενων νανο-οπτομηχανικών συστημάτων, των οποίων η μηχανική απόκριση ενισχύεται δραματικά λόγω των εξαιρετικά χαμηλών μαζών τους. Ωστόσο, η συνήθης υπόθεση που απαιτείται για την περιγραφή υπερευαίσθητων συμβολομετρικών μετρήσεων αίρεται σε αυτήν την κλίμακα. Οι συνέπειες της αρχής της αβεβαιότητας του Χάιζενμπεργκ για τις νανο-συμβολομετρικές μετρήσεις παραμένουν μέχρι στιγμής άγνωστες, αφήνοντας εντελώς ανοιχτό το ζήτημα της κβαντικής βέλτιστης εκτίμησης της νανοκίνησης.

Επιπλέον, οι νανο-οπτομηχανικές δομές είναι πολύ ευαίσθητες σε κατασκευαστικά ελαττώματα, καθιστώντας τα βέλτιστα όρια ανίχνευσης έντονα εξαρτώμενα από τη συσκευή. Για να αντιμετωπίσουμε αυτό το ζήτημα, οραματιζόμαστε να δημιουργήσουμε μια πλατφόρμα μηχανικής μάθησης που θα επιτρέπει τόσο την αντιμετώπιση των κβαντικών ορίων της νανοσυμβολομετρίας όσο και την αυτόματη βέλτιστοποίηση της παρατηρήσιμης κίνησης που εξαρτάται από το σύστημα. Αυτή η πλατφόρμα βασίζεται σε ένα σύστημα πολυρυθμικής απεικόνισης και διαμόρφωσης φωτός που έχει εισαχθεί σε έναν βρόχο ανατροφοδότησης ο οποίος ελέγχεται, μέσω υπολογιστή, από αλγορίθμους μηχανικής μάθησης. Οι προκλήσεις που πρέπει να αντιμετωπιστούν ποικίλουν ανάλογα με τις ιδιότητες σκέδασης φωτός του μέσου, τη γεωμετρία του και τη σύζευξή του με τους μηχανικούς
βαθμούς ελευθερίας της νανο-δομής.

Στην παρούσα εργασία περιγράφονται οι πρώτες προσπάθειες να δημιουργηθεί μία τέτοια πλατφόρμα και να αναγνωριστούν όλες οι παράμετροι που πρέπει να ληφθούν υπόψη ώστε να γίνει καλύτερα η διαχείρισή τους από τον αυτοματοποιημένο βρόχο ανάδρασης.
Κύρια θεματική κατηγορία:
Τεχνολογία – Πληροφορική
Λέξεις-κλειδιά:
οπτομηχανική, κβαντική, μηχανική μάθηση, SLM, βελτιστοποίηση
Ευρετήριο:
Όχι
Αρ. σελίδων ευρετηρίου:
0
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
53
Αριθμός σελίδων:
117
Tavernarakis_DSIT_Thesis_2024.pdf (13 MB) Άνοιγμα σε νέο παράθυρο