Optimization and machine learning algorithms applied to the phase control of an array of laser beams

Algorithmes d'optimisation et d’apprentisage automatique pour le contrôle des phases d'un réseau de faisceaux lasers

Maksym Shpakovych (1)

1 XLIM - XLIM

This work studies algorithms for the dynamic phase control of an array of laser beams. The main interest from the physical point of view is to obtain a synthetic beam of high brightness. To achieve the defined task the coherent beam combining approach is applied. It is implemented with a phase correction loop where at each iteration a phase retrieval problem must be solved approximately. This work proposes two algorithms that can be used in this step. The first uses a special optimization problem reformulation that appears to be useful for the ADMM method. The second algorithm proposes a learning strategy for a simple neural network which then is able to compute phase corrections. The algorithms were tested numerically and experimentally to compare their capabilities. It was observed that these methods outperform the algorithm that had been used before this work.

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.

Mots clés: Optimization; Machine learning; Phase correction; Phase retrieval; ADMM; Neural network

Mots clés: Optimisation; Apprentissage automatique; Correction de phase; Recouvrement de phase; ADMM; Réseau neuronal

Domaines: Optimisation et contrôle [math.OC]

Maksym Shpakovych. Optimization and machine learning algorithms applied to the phase control of an array of laser beams. Optimization and Control [math.OC]. Université de Limoges, 2022. English. ⟨NNT : 2022LIMO0120⟩. ⟨tel-03941758⟩