В статье представлены методы машинного обучения для классификации световых пучков со случайными неоднородностями при их распространении в турбулентной атмосфере. Для этого используются свёрточные нейронные сети и генеративная диффузионная модель для создания дополнительных данных при обучении классификатора. Минимизация расстояния Брегмана на этапе обучения улучшает качество генерации высокочастотных мод. arXiv: 2604.14208 Обзоры | Физика
Подход на основе машинного обучения к классификации и генерации структурированного распространения света в турбулентных средах
В статье представлены методы машинного обучения для классификации световых пучков со случайными неоднородностями при их распространении в турбулентной атмосфере. Для этого используются свёрточные нейронные сети и генеративная диффузионная модель для создания дополнительных данных при обучении классификатора. Минимизация расстояния Брегмана на этапе обучения улучшает качество генерации высокочастотных мод.
arXiv: 2604.14208
