Optisches Reservoir Computing zur Analyse turbulenter Konvektionsströme

Die Untersuchung turbulenter Konvektionsströme ist ein wichtiger Schritt für das Verständnis von Wärmetransport in dynamischen Systemen wie Wetter und Klima. Aufgrund der zugrundeliegenden komplexen nichtlinearen Prozesse sind die entstehenden zeitlich und räumlich chaotischen Strukturen schwer vorhersagbar. Maschinelles Lernen bietet hier vielversprechende Ansätze, die komplexen Dynamiken näher zu verstehen. Um zukünftige Strömungszustände effektiv vorhersagen zu können, ist eine Balance zwischen physikalischer Genauigkeit und rechnerischer Effizienz erforderlich. Ein Lösungsansatz ist das in dieser Arbeit vorgestellte optischen Reservoir Computing. Dieses maschinelle Lernverfahren erlaubt einen vergleichsweise geringen Trainingsaufwand, da nur die Ausgabeschicht statt des gesamten neuronalen Netzes trainiert wird. Durch die optische Implementierung mit spatialem Lichtmodulator wird zudem eine direkte und parallele Datenverarbeitung ermöglicht. Wir präsentieren den grundlegenden optischen Aufbau des Reservoir Computing Systems und erste Ergebnisse mit strömungsmechanischen Daten. Die wichtigsten Einflussparameter auf die Systemfunktionalität werden diskutiert.