Исследователи из Национальной лаборатории Лоуренса Беркли (Lawrence Berkeley National Laboratory, Berkeley Lab), которая принадлежит Министерству энергетики США, совершили прорыв в области лазерных технологий. Они использовали машинное обучение (ML), чтобы помочь стабилизировать мощный лазер.
Это достижение, возглавляемое подразделениями ускорительных технологий и прикладной физики (ATAP) и инженерными подразделениями Berkeley Lab, обещает ускорить прогресс в физике, медицине и энергетике.
Преодоление дрожания лазерного луча
Колебания лазерного луча, известные как «дрожание», вызванные механическими вибрациями, ухудшают работу лазера и препятствуют прогрессу в этих приложениях.
«Ошибки в наведении лазера особенно проблематичны в лазерно-плазменных ускорителях (ЛПУ), поскольку они вызывают нестабильность в генерируемом электронном пучке, что ограничивает их практическое применение», — объяснил Дэн Ванг, научный сотрудник программы управления ускорителями Berkeley Accelerator Controls & Instrumentation Program и один из ведущих авторов статьи.
Традиционные системы управления лазерами «сталкиваются с трудностями при отслеживании быстрых изменений положения лазера, особенно с большими медленно движущимися оптическими компонентами, используемыми в мощных лазерах с низкой частотой повторения», — по словам Энтони Гонсалвеса, штатного учёного и заместителя директора по экспериментам в Центре BELLA ATAP и одного из авторов статьи. «Это приводит к ошибкам от выстрела к выстрелу, которые негативно влияют на эксперименты».
Использование машинного обучения
Чтобы преодолеть это ограничение, команда обратилась к машинному обучению. В отличие от традиционных систем управления, которые корректируют ошибки наведения лазера после их возникновения, «наш метод предсказывает дрожание и затем вносит корректировки в оптические компоненты лазера в режиме реального времени, быстро улучшая стабилизацию от выстрела к выстрелу и повышая точность наведения луча», — объяснил Алессио Амодио, инженер-электронщик Центра BELLA и инженер инженерного подразделения.
Для тестирования эффективности метода исследователи использовали маломощный лазерный луч с высокой частотой повторения в качестве замены для мощного лазерного луча с низкой частотой повторения от лазера BELLA Petawatt, ведущего исследовательского центра в области ЛПУ.
«Поскольку пробный луч стреляет гораздо чаще, чем основной, мы можем составить карту движения луча, вызванного вибрацией зеркал», — сказал Гонсалвес. «Затем мы можем использовать эту информацию, чтобы предсказать, где будет луч, когда придёт мощный импульс, и, зная заранее об ошибке наведения, мы можем настроить зеркало для исправления этих ошибок».
Система, использующая данные о положении, достигла 65% снижения дрожания в направлении X и 47% в направлении Y.
«Мы планируем усовершенствовать наш метод с помощью программируемых вентильных матриц, электронных схем управления, которые предлагают расширенные возможности синхронизации, чтобы обеспечить более быстрые и точные коррекции в реальном времени», — сказал Ванг. «Ожидается, что это улучшит стабилизацию лазера от выстрела к выстрелу, а испытания запланированы на лазере BELLA Petawatt на полной мощности и для широкого применения».
Значительный шаг в развитии масштабируемого квантового оборудования
Компания Xanadu достигла значительного прогресса в разработке масштабируемого квантового оборудования, создав устойчивые к ошибкам фотонные кубиты на платформе интегрированных чипов.
Это основополагающий результат на пути развития Xanadu, и первая демонстрация таких кубитов на чипе опубликована в журнале Nature.
Модульный и масштабируемый фотонный квантовый компьютер
Этот прогресс основан на недавнем анонсе Xanadu о системе Aurora, которая впервые продемонстрировала все ключевые компоненты, необходимые для создания модульного, сетевого и масштабируемого фотонного квантового компьютера.
С этой последней демонстрацией надёжного генерирования кубитов с использованием кремниевых фотонных чипов Xanadu ещё больше укрепляет масштабируемость своей архитектуры.
Квантовые состояния, полученные в этом эксперименте, известные как состояния Готтесмана–Китаева–Прескилла (GKP), состоят из суперпозиций множества фотонов для кодирования информации устойчивым к ошибкам образом — необходимое условие для будущих отказоустойчивых квантовых компьютеров.
Эти состояния позволяют выполнять логические операции с помощью детерминированных методов, совместимых с комнатной температурой, и они идеально подходят для создания сетей между чипами с использованием стандартных оптоволоконных соединений.
Технологические достижения
Демонстрация генерации фотонных кубитов стала возможной благодаря ряду ключевых технологических достижений команды Xanadu. К ним относятся разработка детекторов разрешения по числу фотонов с эффективностью обнаружения выше 99%, изготовление специализированных сверхнизкопотерных волноводов из нитрида кремния на платформах 300-мм пластин и внедрение передовых оптических упаковочных решений.
«GKP-состояния — это, в некотором смысле, оптимальные фотонные кубиты, поскольку они позволяют выполнять логические элементы и коррекцию ошибок при комнатной температуре и с помощью относительно простых детерминированных операций», — говорит Закари Вернон, технический директор по аппаратному обеспечению в Xanadu.
«Эта демонстрация является важным эмпирическим этапом, демонстрирующим наши недавние успехи в снижении потерь и повышении производительности в области изготовления чипов, проектирования компонентов и эффективности детекторов».
Следующий шаг на пути к созданию квантового компьютера с использованием фотоники — дальнейшее снижение оптических потерь, что позволит создавать более качественные GKP-состояния, пригодные для обеспечения отказоустойчивости.
С завершением ещё одного значительного этапа на пути развития аппаратного обеспечения Xanadu продолжает оптимизировать процессы изготовления и упаковки фотоники, чтобы снизить оптические потери на своей платформе.
report their work in the journal High Power Laser Science and Engineering.”,”High-power lasers have become essential tools in both scientific research and industry. One exciting application of these lasers is laser-plasma accelerators (LPAs), which can accelerate particles to high energies over short distances.”,”LPAs could offer more compact and cost-effective particle colliders and novel light sources, enabling the exploration of matter at atomic and molecular scales. High-power lasers also support advances in inertial fusion, which promises abundant, reliable energy.”,”However, fluctuations in beam pointing, known as \”jitter,\” that are caused by mechanical vibrations, hinder the laser’s performance and impede progress in these applications.”,”\”Laser pointing errors are particularly problematic in LPAs as they cause instability in the generated electron beam, which limits their practical application,\” explained Dan Wang, a research scientist in ATAP’s Berkeley Accelerator Controls & Instrumentation Program and one of the lead authors of the paper.”,”Traditional laser control systems, however, \”struggle to keep up with the rapid changes in the laser’s position, especially with the large slow-moving optical components used in high-power, low-repetition-rate lasers,\” according to Anthony Gonsalves, a staff scientist and associate deputy director for experiments at ATAP’s BELLA Center and one of the paper’s authors. \”This results in shot-to-shot errors that adversely impact experiments.\””,”To overcome this limitation, the team turned to machine learning.”,”Unlike traditional control systems that correct laser pointing errors after they occur, \”our method predicts jitter and then makes real-time adjustments to the laser’s optical components, rapidly improving shot-to-shot stabilization and more accurate beam pointing,\” explained Alessio Amodio, a BELLA Center and Engineering Division electronics engineer and one of the lead authors of the paper.”,”To test the method’s effectiveness, the researchers employed a low-power, high-repetition-rate \”pilot\” laser beam as a proxy for the high-power, low-repetition-rate main beam from the BELLA Petawatt laser, a leading LPA research facility.”,”\”Because the pilot beam fires much more frequently than the main beam, we can map out the motion of the beam caused by vibration of the mirrors,\” said Gonsalves. \”We can then use this information to predict where the beam will be when the high-power pulse arrives, and because we know the pointing error in advance, we can adjust a mirror to correct these errors.\””,”They fed this positional data into their ML-enabled control system, which employed a correction mirror to adjust the beam’s pointing. After testing its performance, the system achieved a 65% reduction in jitter in the beam’s X-direction and 47% in the Y-direction.”,”\”We plan to enhance our method using field-programmable gate arrays, electronic control circuits that offer advanced timing and synchronization, to enable faster and more accurate real-time corrections,\” said Wang. \”This is expected to improve shot-to-shot laser stabilization, with testing planned on the BELLA Petawatt laser at full power and broad applications.\””,”\n\t\t\t\t\t\t\t\t\t\t\t\t\tProvided by\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\tLawrence Berkeley National Laboratory\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t”,”\n\t\t\t\t\t\t\tMore from Optics\n\t\t\t\t\t\t “]’>Источник