КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ
Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.
ОБЩИЕ СВЕДЕНИЯ
Номер проекта 25-22-00743
НазваниеПрименение методов искусственного интеллекта для расчета поглощения лазерного импульса в плазме
Руководитель Рыкованов Сергей Георгиевич, кандидат наук (признаваемый в РФ PhD)
Организация финансирования, регион Автономная некоммерческая образовательная организация высшего образования «Сколковский институт науки и технологий» , г Москва
Конкурс №118 - Конкурс на получение грантов РНФ по мероприятию «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами» приоритетного направления деятельности Российского научного фонда «Поддержка проведения научных исследований и развития научных коллективов, занимающих лидирующие позиции в определенных областях науки»
Область знания, основной код классификатора 02 - Физика и науки о космосе; 02-501 - Физика высокотемпературной плазмы и УТС
Ключевые слова взаимодействие излучения с плазмой, лазерная плазма, лазерное поглощение, фотоника, уравнение Гельмгольца, искусственный интеллект в физике, взаимодействие лазерного излучения с веществом, лазерный термоядерный синтез, УФ литография
Код ГРНТИ29.27.00
ИНФОРМАЦИЯ ИЗ ЗАЯВКИ
Аннотация
Проект посвящён исследованию и разработке новых подходов к расчету поглощения лазерного импульса в плазме на основе методов искусственного интеллекта (ИИ). В последние годы высокоинтенсивные лазеры активно используются в различных прикладных и фундаментальных направлениях, таких как генерация высокоэнергетических частиц, рентгеновского и гамма-излучения, термоядерный синтез и диагностика плазмы. Для эффективного применения таких лазеров необходимо детально понимать механизмы взаимодействия электромагнитного излучения с плазмой, в частности процессы поглощения энергии лазерного излучения. Традиционные подходы, включая геометрическую оптику и численное решение уравнения Гельмгольца, имеют ограничения в точности и вычислительной сложности, особенно в сильно неоднородной или нелинейной среде. Это обуславливает высокую актуальность разработки и применения новых подходов на основе методов ИИ.
В рамках проекта предполагается исследовать применение физически информированных нейронных сетей (PINN – Physics-Informed Neural Networks) для решения одномерного уравнения Гельмгольца. PINN позволяют объединить преимущества машинного обучения и физически обоснованных моделей, обеспечивая высокую точность и вычислительную эффективность решения дифференциальных уравнений с краевыми условиями. Важным этапом станет определение оптимальной архитектуры и параметров обучения нейронной сети, а также оценка её возможностей по сравнению с классическими численными методами.
Кроме того, будет проведено исследование data-driven подходов для двумерного уравнения Гельмгольца, основанных на обучении моделей на основе уже имеющихся решений, полученных классическими численными методами или экспериментальными данными. Такой подход позволит существенно сократить вычислительные затраты при решении задач с переменными параметрами среды или начальных условий, что особенно актуально для задач, требующих большого количества расчётов с варьированием параметров среды или геометрии задачи или в задачах радиационной гидродинамики (РГД).
Важной частью проекта является проведение детального сравнения разработанных методов на основе ИИ с существующими подходами, включая классическое решение уравнения Гельмгольца методом конечных разностей, конечных элементов и геометрическую оптику. Особое внимание будет уделено гибридным методам, которые совмещают точность волновых решений с простотой и быстродействием геометрической оптики. Будут получены количественные оценки точности и производительности каждого из подходов в зависимости от условий задачи, таких как пространственная неоднородность плазмы, нелинейные эффекты и параметры лазерного импульса.
Научная новизна проекта заключается в разработке и первом применении PINN и data-driven подходов для решения уравнения Гельмгольца в контексте поглощения лазерного излучения в плазме. Эти методы имеют потенциал существенно улучшить точность и эффективность моделирования взаимодействия лазерного излучения с плазмой, открывая новые возможности в исследовании и оптимизации лазерно-плазменных процессов.
Результаты проекта могут быть применены как в фундаментальных исследованиях физики высоких энергий и плазмы, так и в практических приложениях, таких как проектирование лазерных систем и оптимизация экспериментов по лазерно-плазменному взаимодействию, в частности в ЛТС и УФ литографии. Это подчеркива как фундаментальную значимость, так и практическую ценность предлагаемых исследований.
Ожидаемые результаты
В рамках проекта предполагается получить следующие основные результаты:
1. Разработка специализированного программного пакета на основе физически информированных нейронных сетей (PINN), адаптированного для решения уравнения Гельмгольца в задачах лазерно-плазменного взаимодействия. Данный инструментарий существенно повысит вычислительную эффективность и точность прогнозирования поглощения лазерного импульса в плазме, что критически важно для применения высокоинтенсивных лазеров.
2. Проведение детального сравнительного анализа подходов на основе PINN с классическими численными методами, в частности методом матрицы переноса (transfer matrix). Эти сравнения позволят исследовать и продемонстрировать возможные преимущества в точности, скорости вычислений и надежности решений, особенно в условиях сложной плазменной среды, важных для практических применений.
3. Реализация и валидация data-driven подхода для двумерных (а в будущем и трехмерных) задач, связанных с решением уравнения Гельмгольца, на основе метода конечных элементов Dolfinx. После обучения нейронной сети на множестве расчетов с помощью Dolfinx, дальнейшее ее использование, например, внутри кода, реализующего радиационную гидродинамику, может значительно снизить вычислительные затраты и ускорить проведение параметрических исследований, необходимых для практических задач.
Научная и практическая значимость:
Научная значимость проекта заключается в существенном развитии методов моделирования распространения волн и поглощения энергии лазерного излучения в плазме, что соответствует мировому уровню исследований и современным научным тенденциям.
Практическая значимость результатов проекта выражается в их потенциальном применении в ключевых областях, таких как лазерный термоядерный синтез, ультрафиолетовая (УФ) литография и диагностика плазмы. В области лазерного термоядерного синтеза усовершенствованные методы моделирования позволят оптимизировать и лучше контролировать лазерно-плазменные взаимодействия, повышая эффективность и энерговыход процессов синтеза. Для УФ-литографии точное моделирование поглощения лазерного излучения в плазме обеспечит более высокую точность и стабильность технологических процессов при производстве полупроводников. Также результаты проекта значительно улучшат возможности диагностики плазмы, обеспечивая более точный и быстрый анализ её состояния, что критически важно для экспериментальных и промышленных плазменных установок.
Значительно улучшая возможности прогнозного моделирования, предложенные методы позволят совершенствовать существующие технологии, способствовать инновациям в области лазерных промышленных процессов и стимулировать создание нового поколения диагностического и производственного оборудования.
В конечном итоге проект не только существенно продвинет фундаментальные исследования в области лазерно-плазменной физики, но и внесёт значительный вклад в развитие критически важных технологий, таких как термоядерный синтез, производство полупроводников и диагностика плазмы, укрепляя роль искусственного интеллекта в научно-техническом прогрессе и промышленных инновациях.