Հեղուկ բյուրեղային խորը նեյրոնային կառուցվածքներ
̸եքենայական ուսուցման վերջին ուսումնասիրությունները ցույց են տալիս, որ նեյրոնային մեծ ցանցերը կարող են զգալիորեն բարելավել ցանցի աշխատանքը: Այնուամենայնիվ, նեյրոնների մեծ թվաքանակը ֆոն Նոյմանի համակարգչային ճարտարապետության համար խնդրահարույց է հաշվարկման ժամանակի հիշողության օգտագործման առումով։ ̸յուս կողմից, ժամանակակից համակարգիչները տարբեր խնդիրների լուծման տեսանկյունից շատ ավելի էներգածախս են նվազ արդյունավետ, քան մարդկային ուղեղի աշխատանքը, օրինակ՝ ընկալման, հաղորդակցության որոշումներ կայացնելու առումով։ ւստի, այժմ շատ կարոր արդիական է արագ արդյունավետ տեղեկություններ հավաքագրող ու վերլուծող նոր համակարգչային տեխնոլոգիաների ստեղծումը:
Հեղուկ բյուրեղային խորը նեյրոնային կառուցվածքների (ՀԲ֊ԽՆԿ) հիմնական նպատակն է ստեղծել էներգաարդյունավետ արագագործ անալոգ նեյրոնային ցանցեր՝ օգտագործելով ոչ֊գծային հեղուկ բյուրեղային (ՀԲ) բջիջը որպես օպտիկական ցանցերում թաքնված անալոգ շերտ։ Առաջարկվող օպտիկական անալոգ նեյրոնային ցանցերի մասշտաբայնությունը, արագությունը էներգաարդյունավետությունը ցույց տալու համար դրանք համեմատվում են ժամանակակից CPU GPU տեխնոլոգիաների հետ՝ կիրառելով դրանք արդի բարդ խնդիրները լուծելիս։
Այս նախագծի շրջանակում ձեռք բերված արդյունքները ճանապարհ կհարթեն բազմաթիվ բարդ լայնամասշտաբ խնդիրների լուծման համար, որոնք այսօր անհասանելի են արդի հաշվողական տեխնոլոգիաների համար։
Օպտիկական խելացի նկարահանում տուրբուլենտ միջավայրերի միջով
Իրական կյանքում սովորաբար պահանջվում է նկարահանումը կատարել այնպիսի փոփոխվող բարդ պայմաններում, ինչպիսիք են մթնոլորտային տուրբուլենտությունը, մառախուղը կենսաբանական հյուսվածքները: Հայտնի է, որ վերջիններս ցրում են իրենց միջով տարածվող լույսն այնպես, որ հաճախ դժվար է անգամ ճանաչել աղավաղված պատկերները: Նման խնդիրները լուծելիս կիրառվող հայտնի մոտեցումներից է ադապտիվ օպտիկայի (ԱՕ) մեթոդը, որը նախ չափում է պատկերի աղավաղված ալիքային ճակատը, այնուհետ ֆիլտրում այն դեֆորմացվող հայելու միջոցով։ Այնուամենայնիվ, ԱՕ-ն դառնում է խնդրահարույց բարդ օբյեկտների ուժեղ տուրբուլենտության պայմաններում հետադարձ կապի դանդաղեցման պատճառով: Վերջերս առաջարկվել է օպտիկական հաշվման նոր սխեմա, որը կարող է մեծ բարդ քաոսային համակարգերը կանխատեսել այնպիսի արագությամբ ճշգրտությամբ, որոնք հասանելի են միայն ներկայիս սուպերհամակարգիչներին։
Այս նախագծի նպատակն է կատարել նկարահանում ուժեղ տուրբուլենտության պայմաններում՝ նախօրոք կանխատեսելով դեֆորմացվող հայելու անհրաժեշտ փոփոխությունները օպտիկական հաշվման միջոցով։ Ստացվող արդյունքները կարոր նշանակություն կունենան ՛ օպտիկական նկարահանման, ՛ օպտիկական հաշվման ոլորտների համար։ Հաջողության դեպքում նախատեսվող նկարահանող խելացի համակարգը ապագայում կարող է արդիականացնել տարատեսակ թռչող սարքերի նկարահանման հնարավորությունները։
̸եծամասշտաբ կոհերենտ օպտիկական մատրիցական բազմապատկիչ
Հաշվողական տեխնոլոգիաները մեծ դեր ունեն այսօր։ Այդ համատեքստում գծային հանրահաշիվը ամենահաճախ հանդիպող ամենաշատ ռեսուրս պահանջող ոլորտն է արդի հաշվողական ալգորիթմներում, դրա լայնամասշտաբ կիրառությունը հնարավորություն է տալիս կառուցելու մեծամասշտաբ նեյրոնային ցանցեր, կատարելու մեծ չափերի համակարգերի օպտիմիզացիա, ուսումնասիրելու բազմաթիվ հանգուցային կետերով բարդ կապերով գրաֆներ, այլն։
Նախագծի նպատակն է ստեղծել օպտիկական հաշվման նոր տեխնոլոգիա, որն ապագայում կկարողանա կատարել մեծամասշտաբ էներգախնայող գծային հանրահաշվական գործողությունների համեմատություն այս ոլորտում գործող CPU, GPU TPU տեխնոլոգիաների միջ։
Նախշավոր քիրալ (chiral) հեղուկ բյուրեղների կիրառությունը տարածական սպեկտրալ ճառագայթների ձավորման նպատակով
Այս նախագծով առաջարկվում է նախշավոր քիրալ հեղուկ բյուրեղների հիման վրա ստեղծել տարածական սպեկտրալ ճառագայթների ձավորման տարբեր համակարգեր։ Դրանց միավորումը ստանդարտ դիէլեկտրիկ հայելիների ալիքաթիթեղների հետ նոր հնարավորություններ է ընձեռում լույսի տարածական սպեկտրալ հատկությունները դինամիկ ձով կառավարելու համար։ Այս մոտեցումը եզակի է, քանի որ կարող է ապահովել ճառագայթների ձավորման լայն հնարավորություններ, ինչպես նա ժամանակային մոդուլյացիա ԳՀց հաճախականությունների համար: