AIが超高速レーザーシミュレーションを250倍に加速
- •研究チームは深層学習モデルを用いて、超高速レーザーシミュレーションを250倍以上高速化した。
- •本サロゲートモデルはLSTMニューラルネットワークを活用し、従来の物理シミュレーションにおける高負荷なドメイン変換を排除した。
- •複雑な非共線光学プロセスに対し、精度を維持したままミリ秒単位でのシミュレーションを実現した。
スタンフォード大学、カリフォルニア大学ロサンゼルス校(UCLA)、およびSLAC国立加速器研究所の研究チームは、超高速レーザーシステムにおける非線形光学プロセスのシミュレーションを250倍以上高速化する深層学習サロゲートモデルを開発した。2026年5月6日に学術誌『Advanced Photonics』で発表されたこの成果は、X線生成に不可欠なレーザーパルス成形を行うLinac Coherent Light Source(LCLS-II)などの研究施設における計算負荷のボトルネックを解消するものだ。
従来の二次非線形光学(χ²プロセス)のシミュレーションでは、非線形シュレディンガー方程式を解くために分割ステップフーリエ法(SSFM)が用いられてきた。この従来手法では、伝搬計算中に時間領域と周波数領域の間で繰り返し変換を行う必要があり、これが全シミュレーション時間の約95パーセントを占めていた。研究チームは、これを回避するために時系列データの学習に特化した回帰型ニューラルネットワークの一種であるLSTM(Long Short-Term Memory)を実装した。計算を圧縮された周波数領域表現の中で完結させることで、ドメイン変換の必要性を完全に取り除いた。
研究チームは、3つの光学場が結合する複雑な非共線和周波発生(SFG)を用いてこのモデルを検証した。その結果、強力な位相変調を伴うケースを含む多様な条件下で、時間的およびスペクトル的なパルスプロファイルを高い精度で再現することに成功した。GPUによるバッチ推論を活用することで、インスタンスあたりのシミュレーション時間はミリ秒単位まで短縮された。このモジュール化された深層学習ベースの手法は、将来的にレーザー駆動研究施設のデジタルツインやリアルタイム適応制御システムの構築を可能にし、実験診断との高速な統合を実現すると期待される。