Машинное обучение для прикладных задач нелинейной фотоники

Название НИОКТР	Машинное обучение для прикладных задач нелинейной фотоники
Аннотация	Проект направлен на решение научной проблемы, связанной со сложностью анализа, моделирования и управления нелинейными и стохастическими процессами в фотонике, представляющей собой одну из важных областей современной науки и включенной в перечень «сквозных» технологий Платформы НТИ. Многие современные технические системы, такие как лазерные устройства, оптические сенсоры и волоконнооптические линии связи, подвержены влиянию нелинейных физических эффектов и случайных шумов, что усложняет их работу и требует более точных методов контроля и управления. Значимость исследования нелинейных систем становится всё более актуальной с учётом того, что универсальных методов для их анализа до сих пор не существует, и решение многих прикладных задач в этой области требует новых подходов. Понимание и правильная трактовка нелинейных эффектов и их взаимодействия со случайным шумом могут привести к улучшению характеристик существующих систем и устройств и созданию новых инженерных концепций. Волоконный световод, используемый в качестве среды для распространения оптического сигнала, нелинейно реагирует на большие амплитуды сигнала. Эти нелинейности, в сочетании со случайным шумом, постоянно вносимым в сигнал на протяжении всей его эволюции, делают фотонные системы сложным нелинейным стохастическим каналом. Использование методов машинного обучения для исследования нелинейных эффектов и их проявления при наличии случайных процессов открывает новые возможности для повышения производительности фотонных систем и создания новых решений. Алгоритмы машинного обучения могут адаптироваться к изменяющимся условиям и эффективно обрабатывать большие объёмы данных, извлекая скрытые зависимости и позволяя улучшать характеристики систем в режиме реального времени. Такой междисциплинарный подход, объединяющий фотонику и машинное обучение, позволяет разрабатывать новые методы анализа, оптимизации и управления нелинейными процессами, опираясь как на высокую скорость обработки сигнала в оптических системах, так и на способность машинного обучения находить и использовать скрытую информацию. Проект актуален в свете современных вызовов, стоящих перед телекоммуникационной и лазерной отраслями. Оптические линии связи являются основой цифровой инфраструктуры и поддерживают все области, связанные с цифровыми технологиями. Увеличение объёмов передаваемых данных требует разработки новых технологий, что приводит к необходимости учитывать нелинейные и шумовые эффекты. Функционирование многих волоконных лазерных систем также связано с нелинейными эффектами, такими как эффект Керра, комбинационное и Бриллюэновское рассеяние. С одной стороны, эти эффекты могут быть полезны, например, для синхронизации мод в импульсных лазерах, но с другой стороны, они могут привести к проявлениям неустойчивости и дестабилизировать систему. В управлении этой нелинейностью ключевую роль могут сыграть методы машинного обучения, в частности, новые нейросетевые алгоритмы различной архитектуры. Команда проекта объединяет компетенции двух научных коллективов, необходимые для успешной реализации проекта, а именно разработки алгоритмов машинного обучения и создания с их использованием устройств "умной" фотоники. В рамках этой коллаборации группа лазерных физиков, обладающая экспертизой в разработке современных нелинейных и микроволновых фотонных устройств, займется созданием функциональных устройств и инструментов для их контроля. Данные устройства станут объектами для тестирования новых оригинальных математических алгоритмов, разрабатываемых группой прикладных математиков с опытом в моделировании физических систем и применения методов машинного обучения для их оптимизации и управления. Синергия этих двух направлений позволит не только развить новый математический аппарат машинного обучения, но и создать новые устройства фотоники для применений в реальном секторе экономики, отличающиеся от существующих аналогов качественно новыми потребительскими характеристиками
Доступ к ОКОГУ исполнителя	False
Количество связанных РИД	1
Количество завершенных ИКРБС	0
Сумма бюджета	60000.0
Дата начала	2025-05-22
Дата окончания	2028-12-31
Номер контракта	25-61-00010
Дата контракта	2025-05-22
Количество отчетов	4
УДК	537.86/.87:530.182
Количество просмотров	6
Руководитель работы	Федорук Михаил Петрович
Руководитель организации	Чуркин Дмитрий Владимирович
Исполнитель	ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "НОВОСИБИРСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ"
Заказчик	Российский научный фонд
Федеральная программа	Отсутствует
Госпрограмма	—
Основание НИОКТР	Грант
Последний статус	2025-08-11 14:42:44 UTC, 2025-08-11 14:42:44 UTC
ОКПД	Работы оригинальные научных исследований и экспериментальных разработок в области естественных и технических наук, кроме биотехнологии
Отраслевой сегмент	—
Минздрав	—
Межгосударственная целевая программа	—
Ключевые слова	машинное обучение; нейронные сети; оптические сенсоры; оптические вычисления; волоконная оптика; лазерные системы; нелинейная фотоника; оптическая связь; нелинейные эффекты
Соисполнители	ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "УЛЬЯНОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ"
Типы НИОКТР	Фундаментальное исследование
Приоритетные направления	—
Критические технологии	—
Рубрикатор	29.33.15 - Оптические квантовые генераторы и усилители (лазеры); 29.31.15 - Излучение и волновая оптика; 29.35.03 - Нелинейные колебания и волны
OECD	—
OESR	Оптика (включая лазерную оптику и квантовую оптику); Компьютерные, информационные науки и биоинформатика (разработка аппаратного обеспечения относится к разделу 2.2, социальный аспект относится к разделу 5.8)
Приоритеты научно-технического развития	е) повышение уровня связанности территории Российской Федерации путем создания интеллектуальных транспортных, энергетических и телекоммуникационных систем, а также занятия и удержания лидерских позиций в создании международных транспортно-логистических систем, освоении и использовании космического и воздушного пространства, Мирового океана, Арктики и Антарктики;
Регистрационные номера	nioktr: {'id': 'CTPABENWRP1CHDKOGBUL9HWH'}