要旨: 本研究では、乱雑なスペックル擾乱が大気乱流中を伝搬する過程で発達する、構造化光波ビームを分類するための機械学習アプローチを開発する。ビーム伝搬は、確率的パラキシャル方程式の数値シミュレーションによってモデル化する。本研究では、この特定の用途に合わせて畳み込みニューラルネットワークを設計し、それをワンホットエンコーディングによる分類モデルに用いる。利用可能なデータが潜在的に限られているという課題に対処するため、分類器の学習中に追加データを提供するための、予測に基づく生成拡散モデルを開発する。学習ステップにおけるブレグマン距離の最小化が、高周波モードの生成の品質を改善することを示す。
乱流中における構造化光伝搬の分類・生成を行うMLベース手法
arXiv cs.LG / 2026/4/17
💬 オピニオンDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- この論文は、乱流中を伝搬する過程で生じるランダムなスペックル擾乱後の構造化光ビームを分類するための機械学習手法を提案しています。
- ビーム伝搬は確率的パラキシャル方程式を用いた数値シミュレーションでモデル化され、著者らはそのデータ表現に合わせて畳み込みニューラルネットワークを設計しています。
- one-hotエンコーディングによる分類モデルを構築するとともに、ラベル付きデータが少ない可能性への対処として、予測ベースの生成拡散モデルで学習用データを追加する方法を導入しています。
- 学習時にBregman距離の最小化を用いることで、高周波モードの生成品質が改善されると報告しています。
