論文の概要: Reinforcement Learning-based Wavefront Sensorless Adaptive Optics
Approaches for Satellite-to-Ground Laser Communication
- arxiv url: http://arxiv.org/abs/2303.07516v1
- Date: Mon, 13 Mar 2023 23:03:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-15 17:13:25.169137
- Title: Reinforcement Learning-based Wavefront Sensorless Adaptive Optics
Approaches for Satellite-to-Ground Laser Communication
- Title(参考訳): 強化学習に基づく衛星対地レーザー通信のためのウェーブフロントセンサレス適応光学手法
- Authors: Payam Parvizi, Runnan Zou, Colin Bellinger, Ross Cheriton and Davide
Spinello
- Abstract要約: 光衛星間通信(OSGC)は、遠隔地における高速で安価なインターネットへのアクセスを改善する可能性がある。
従来のアダプティブ光学(AO)システムは、ファイバカップリングを改善するためにウェーブフロントセンサーを使用する。
本稿では、波面位相プロファイリングカメラではなく、低コストの二次光ダイオードと相互作用して制御ポリシーを学習することで、システムのレイテンシ、サイズ、コストを最大30~40%削減する強化学習(RL)を提案する。
- 参考スコア(独自算出の注目度): 1.8531813733282103
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optical satellite-to-ground communication (OSGC) has the potential to improve
access to fast and affordable Internet in remote regions. Atmospheric
turbulence, however, distorts the optical beam, eroding the data rate potential
when coupling into single-mode fibers. Traditional adaptive optics (AO) systems
use a wavefront sensor to improve fiber coupling. This leads to higher system
size, cost and complexity, consumes a fraction of the incident beam and
introduces latency, making OSGC for internet service impractical. We propose
the use of reinforcement learning (RL) to reduce the latency, size and cost of
the system by up to $30-40\%$ by learning a control policy through interactions
with a low-cost quadrant photodiode rather than a wavefront phase profiling
camera. We develop and share an AO RL environment that provides a standardized
platform to develop and evaluate RL based on the Strehl ratio, which is
correlated to fiber-coupling performance. Our empirical analysis finds that
Proximal Policy Optimization (PPO) outperforms Soft-Actor-Critic and Deep
Deterministic Policy Gradient. PPO converges to within $86\%$ of the maximum
reward obtained by an idealized Shack-Hartmann sensor after training of 250
episodes, indicating the potential of RL to enable efficient wavefront
sensorless OSGC.
- Abstract(参考訳): 光衛星間通信(OSGC)は、遠隔地における高速で安価なインターネットへのアクセスを改善する可能性がある。
しかし、大気乱流は光ビームを歪め、単一モードのファイバに結合するとデータレートポテンシャルを損なう。
従来の適応光学(ao)システムは、ファイバカップリングを改善するためにウェーブフロントセンサーを使用する。
これにより、システムサイズ、コスト、複雑さが向上し、インシデントビームのごく一部を消費し、レイテンシを導入し、インターネットサービスのOSGCを実用的でないものにする。
本稿では,波面位相プロファイリングカメラではなく,低コストのクアドラントフォトダイオードとのインタラクションを通じて制御ポリシを学習することにより,システムのレイテンシ,サイズ,コストを最大30~40 %まで削減するための強化学習(RL)を提案する。
我々は,繊維結合性能に相関したStrehl比に基づいてRLを開発し,評価するための標準プラットフォームを提供するAO RL環境を開発し,共有する。
実験分析の結果,PPOはソフトアクター・クリティカルおよびディープ決定論的政策グラディエントを上回っていることがわかった。
PPOは250エピソードのトレーニングの後、理想的なシャック・ハートマンセンサによって得られる最大報酬の8,6\%以内に収束し、効率的な波面センサレスOSGCを実現するためのRLの可能性を示している。
関連論文リスト
- Single-Shot Phase Diversity Wavefront Sensing in Deep Turbulence via Metasurface Optics [0.0]
自由空間光通信(FSOC)システムは、最小資本コストで高帯域幅でセキュアな通信を提供する。
従来の適応光学(AO)は、大気中のチャネル損失を減らすためにこれらのシステムに追加される。
位相多様性を用いた別の波面センサは、深部乱流における波面の再構築に成功することができる。
ナノ構造を持つ複屈折型準曲面光学を用いて、低遅延位相多様性波面検出をコンパクトなフォームファクターで実現する。
論文 参考訳(メタデータ) (2024-10-24T14:43:00Z) - Hyperdimensional Computing Empowered Federated Foundation Model over Wireless Networks for Metaverse [56.384390765357004]
本稿では,新しい基礎モデルのための統合型分割学習と超次元計算フレームワークを提案する。
この新しいアプローチは通信コスト、計算負荷、プライバシーリスクを低減し、Metaverseのリソース制約されたエッジデバイスに適している。
論文 参考訳(メタデータ) (2024-08-26T17:03:14Z) - OpticGAI: Generative AI-aided Deep Reinforcement Learning for Optical Networks Optimization [21.282153851021796]
光ネットワークのためのAI生成ポリシー設計パラダイムであるOpticGAIを紹介する。
具体的には、生成モデルを利用して最適なポリシーネットワークを学習する新しいDRLフレームワークとして実装されている。
以上の結果から, OpticGAI は RWA と RMSA の両問題において,最も高い報奨と最低ブロッキング率を達成できることが示唆された。
論文 参考訳(メタデータ) (2024-06-22T17:59:50Z) - The Security Analysis of Continuous-Variable Quantum Key Distribution
under Limited Eavesdropping with Practical Fiber [26.001773854548933]
本研究では, ファイバロスが盗聴能力に与える影響を, テレポーテーションに基づく集団攻撃モデルに基づいて検討する。
実際の損失により分散絡み合いが制限されている場合,2つの通信局を1つにマージした場合に最適な攻撃が生じる。
論文 参考訳(メタデータ) (2023-12-23T12:17:18Z) - DRL Enabled Coverage and Capacity Optimization in STAR-RIS Assisted
Networks [55.0821435415241]
無線通信における新たなパラダイムとして,STAR-RISのカバレッジとキャパシティ性能の分析が不可欠だが難しい。
STAR-RIS支援ネットワークにおけるカバレッジとキャパシティ最適化の問題を解決するために,多目的ポリシー最適化(MO-PPO)アルゴリズムを提案する。
MO-PPOアルゴリズムの性能向上のために、アクション値ベースの更新戦略(AVUS)と損失関数ベースの更新戦略(LFUS)の2つの更新戦略を検討した。
論文 参考訳(メタデータ) (2022-09-01T14:54:36Z) - Single-Shot Optical Neural Network [55.41644538483948]
深層ニューラルネットワークに必要な計算資源を削減するために,「重定常」アナログ光学・電子ハードウェアが提案されている。
我々は、スケーラブルで1層当たり単発の重み付き光学プロセッサを提案する。
論文 参考訳(メタデータ) (2022-05-18T17:49:49Z) - The self-learning AI controller for adaptive power beaming with
fiber-array laser transmitter system [0.0]
大気乱流下での光ファイバーアレイレーザによる適応型パワービームについて検討する。
本研究では,ターゲットプレーンPVAセンサデータを入力として,ディープニューラルネットワーク(DNN)を用いて最適制御を行う。
論文 参考訳(メタデータ) (2022-04-08T16:24:49Z) - Analysis of satellite-to-ground quantum key distribution with adaptive
optics [0.0]
将来の量子通信インフラは、地球と宇宙の両方のリンクに依存している。
本最適化における適応光学(AO)の役割について検討する。
論文 参考訳(メタデータ) (2021-11-12T14:47:23Z) - Neural Architecture Search for Efficient Uncalibrated Deep Photometric
Stereo [105.05232615226602]
差別化可能なニューラルアーキテクチャサーチ(NAS)戦略を利用して、非校正型PSアーキテクチャを自動的に見つける。
DiLiGenTデータセットの実験では、自動検索されたニューラルネットワークのパフォーマンスが、最先端の未校正PSメソッドと好適に比較されている。
論文 参考訳(メタデータ) (2021-10-11T21:22:17Z) - Meta-Reinforcement Learning for Trajectory Design in Wireless UAV
Networks [151.65541208130995]
ドローン基地局(DBS)は、要求が動的で予測不可能な地上ユーザーへのアップリンク接続を提供するために派遣される。
この場合、DBSの軌道は動的ユーザアクセス要求を満たすように適応的に調整されなければならない。
新たな環境に遭遇したDBSの軌道に適応するために,メタラーニングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-05-25T20:43:59Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳(メタデータ) (2020-05-25T01:42:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。