«В таких задачах основная трудность связана с высокой стоимостью прямого физического моделирования: пространство параметров велико, а каждая проверка требует существенных вычислительных ресурсов. Мы показали, что сочетание нейросетевой суррогатной модели и точных расчетов позволяет существенно ускорить поиск перспективных режимов без потери физической содержательности результата», — заявил доцент Центра искусственного интеллекта «Сколтеха» Сергей Рыкованов, чьи слова приводит пресс-служба вуза.
Как объясняют физики, в последние несколько десятилетий физики со всего мира активно работают над созданием все более совершенных излучателей, способных вырабатывать импульсы лазерного излучения длиной в несколько десятков или сотен аттосекунд, миллиардных долей наносекунды. За разработку подобных технологий была вручена Нобелевская премия по физике в 2023 году.
Столь короткие импульсы лазерного излучения используются для наблюдений за процессами внутри молекул и различных материалов, и для проведения подобных исследований нужно очень точно подбирать параметры работы лазера. Для этого физики в прошлом просчитывали то, как взаимодействуют друг с другом генерирующие лазерные импульсы и частицы в облаке из плазмы, которое возникает при облучении фольги из металла и порождает аттосекундные импульсы.
Российские и китайские ученые выяснили, что процесс подбора параметров работы лазера можно ускорить на несколько порядков, если объединить физическое моделирование и нейросети, которые были обучены на результатах уже проведенных в прошлом точных расчетов. После обучения система ИИ позволяет быстро оценивать новые конфигурации излучателя и проверять их при помощи очень ограниченного числа точных физических расчетов.
Как отмечают исследователи, предложенный подход открывает возможности для практического проектирования источников аттосекундных импульсов с заданной поляризацией при существенно меньших вычислительных затратах. Кроме того, он может применяться и в других задачах, где требуется ускорение дорогостоящих физических симуляций с помощью нейросетевых моделей.
