Grant: Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
The Governing Council of the University of Toronto
$187,000.00
Reinforcement learning for predictive wavefront-sensorless optical satellite communication adaptive optics
EF 2022-23 · 2023-02-17
Résumé
The Project involves the application of reinforcement learning (RL) techniques for wavefront sensorless adaptive optics systems used in optical satellite communications. A predictive model will be developed to maximize the coupling of a free-space optical beam into a single mode fiber through an array of wavefront correction elements. Unlike typical adaptive optics for astronomy, optical satellite-to-ground communications experience a wide variety of turbulence conditions and can greatly benefit from capturing a coherent optical signal for improved optical channel data throughput, lowered reduce bit-error rates, and reduced emitter laser power requirements. Simulated wavefront distortion will be used to train the model for optimal performance under the dynamic conditions during overhead satellite passes with full wavefront measurement. A trained RL model will provide optimal parameters with existing AO systems and will guide the design of future photonic AO systems for lower cost and improved performance in a variety of ground station locations.
Ministère
Programme
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Emplacement
Toronto|Toronto, Ontario, Canada
Type de bénéficiaire
Academia
Numéro d'entreprise
108162330
Type
Grant
Source
Proactive Disclosure - Grants and Contributions
Modifications
Chaque version de l'entente telle que publiée, de la plus ancienne à la plus récente, avec son total à cette version. Le montant ci-dessus est le plus récent.
| Modification | Date | Exercice financier | Total |
|---|---|---|---|
| 0 | 2023-02-17 | 2022-23 | $121,000.00 |
| 1 | 2023-02-17 | 2022-23 | $187,000.00 |
Tel que publié
Additional Information
This agreement has been amended 1 time(s) the total amended value is $187,000.The end date of this agreement has been modified by 439 days.
Additional Information (French)
Cet accord a été modifié 1 fois la valeur totale des modifications est de 187,000$. La date de fin du présent accord a été changé de 439 jours.
Agreement End Date
2026-03-31
Agreement Number
1000618
Agreement Start Date
2023-02-17
Agreement Title
Reinforcement learning for predictive wavefront-sensorless optical satellite communication adaptive optics
Agreement Title (French)
Apprentissage par renforcement pour l’optique adaptative prédictive sans capteur de front d’onde dans les communications optiques par satellite
Agreement Type
Grant
Agreement Value
$187,000.00
Amendment Date
2025-02-24
Amendment Number
1
Description
The Project involves the application of reinforcement learning (RL) techniques for wavefront sensorless adaptive optics systems used in optical satellite communications. A predictive model will be developed to maximize the coupling of a free-space optical beam into a single mode fiber through an array of wavefront correction elements. Unlike typical adaptive optics for astronomy, optical satellite-to-ground communications experience a wide variety of turbulence conditions and can greatly benefit from capturing a coherent optical signal for improved optical channel data throughput, lowered reduce bit-error rates, and reduced emitter laser power requirements. Simulated wavefront distortion will be used to train the model for optimal performance under the dynamic conditions during overhead satellite passes with full wavefront measurement. A trained RL model will provide optimal parameters with existing AO systems and will guide the design of future photonic AO systems for lower cost and improved performance in a variety of ground station locations.
Description (French)
Dans le cadre de ce projet, des techniques d’apprentissage par renforcement seront appliquées aux systèmes d’optique adaptative sans capteur de front d’onde, qui sont utilisés dans les communications optiques par satellite. Un modèle prédictif sera mis au point pour maximiser le couplage d’un faisceau optique en espace libre dans une fibre monomode à travers un réseau d’éléments de correction du front d’onde. Contrairement à l’optique adaptative typique utilisée en astronomie, les communications optiques entre satellites et sol connaissent une grande variété de conditions de turbulence et peuvent grandement bénéficier de la capture d’un signal optique cohérent pour améliorer le débit de données des canaux optiques, réduire les taux d’erreur binaire et diminuer les besoins en puissance des lasers émetteurs. La distorsion simulée du front d’onde sera utilisée pour entraîner le modèle afin d’obtenir des performances optimales dans les conditions dynamiques des passages de satellites aériens avec mesure complète du front d’onde. Un modèle d’apprentissage par renforcement entraîné fournira des paramètres optimaux avec les systèmes d’optique adaptative (OA) actuels et guidera la conception des futurs systèmes d’OA photoniques pour un coût moindre et des performances améliorées dans une variété d’emplacements de stations terrestres.
Expected Results
In the short term, anticipated outcomes will be strengthened collaborations across industry, academia, and government to support research excellence. In the medium term, anticipated outcomes will be the development of new and potentially disruptive technologies with collaborators. In the long term, find collaborative solutions to public policy challenges and create stronger innovation systems.
Expected Results (French)
À court terme, les résultats prévus seront des collaborations renforcées entre l'industrie, le milieu universitaire et le gouvernement pour soutenir l'excellence en recherche. À moyen terme, les résultats attendus seront le développement de nouvelles technologies potentiellement perturbatrices avec des collaborateurs. À long terme, trouver des solutions collaboratives aux défis des politiques publiques et créer des systèmes d'innovation plus solides.
Federal Riding
University--Rosedale
Federal Riding (French)
University--Rosedale
Federal Riding Number
35112
NAICS Code
541710
Organization Code
nrc-cnrc
Organization
National Research Council Canada | Conseil national de recherches Canada
Program Name
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Program Name (French)
Programme de collaboration en science, en technologie et en innovation - Initiatives de collaboration en R-D
Program Purpose
Collaborate on multiparty research and development programs to catalyze transformative, high-risk, high-reward research with the potential for game-changing scientific discoveries and technological breakthroughs in priority areas.
Program Purpose (French)
Collaborer à des programmes multipartites de recherche-développement dans le but de profiter de la synergie entre la recherche transformatrice à haut risque et à haut rendement et le potentiel de découvertes scientifiques et de percées technologiques révolutionnaires dans des secteurs d’intervention prioritaires.
Recipient Business Number
108162330
Recipient City
Toronto|Toronto
Recipient Country
CA
Recipient Legal Name
The Governing Council of the University of Toronto
Recipient Postal Code
M5S 1S8
Recipient Province or Territory
ON
Recipient Type
S
Reference Number
172-2022-2023-Q4-1000618