Algorithmes d'optimisation et d’apprentisage automatique pour le contrôle des phases d'un réseau de faisceaux lasers
Auteur / Autrice : | Maksym Shpakovych |
Direction : | Paul Armand, Vincent Kermene |
Type : | Thèse de doctorat |
Discipline(s) : | Mathematiques et applications |
Date : | Soutenance le 02/12/2022 |
Etablissement(s) : | Limoges |
Ecole(s) doctorale(s) : | École doctorale Sciences et Ingénierie (Limoges ; 2022-) |
Partenaire(s) de recherche : | Laboratoire : XLIM |
Jury : | Président / Présidente : Alain Barthélémy |
Examinateurs / Examinatrices : Paul Armand, Vincent Kermene, Vincent Acary, Samir Adly, Sophie Jan | |
Rapporteurs / Rapporteuses : Nicolas Couellan, Nelly Pustelnik |
Mots clés
Résumé
Ce travail étudie les algorithmes pour le contrôle dynamique des phases d'un réseau de faisceaux lasers. L'intérêt principal du point de vue physique est d'obtenir un faisceau synthétique de haute brillance. Pour réaliser la tâche définie, l'approche de combinaison de faisceaux cohérents est appliquée. Elle est implémentée avec une boucle de correction de phase où à chaque itération un problème de recouvrement des phases doit être résolu approximativement. Ce travail propose deux algorithmes qui peuvent être utilisés dans cette étape. Le premier utilise une reformulation spéciale du problème d'optimisation qui semble être utile pour la méthode ADMM. Le second algorithme propose une stratégie d'apprentissage pour un réseau de neurones simple qui est ensuite capable de calculer les corrections des phases. Les algorithmes ont été testés numériquement et expérimentalement afin de comparer leurs capacités. Il a été observé que ces méthodes sont plus performantes que l'algorithme qui avait été utilisé avant ce travail.