基于深度学习的光纤超短脉冲啁啾放大研究 |
| |
引用本文: | 隋皓,朱宏娜,张妍,罗斌,邹喜华.基于深度学习的光纤超短脉冲啁啾放大研究[J].光学学报,2023(3):185-192. |
| |
作者姓名: | 隋皓 朱宏娜 张妍 罗斌 邹喜华 |
| |
作者单位: | 1. 西南交通大学物理科学与技术学院;2. 信号盲处理国家级重点实验室;3. 西南交通大学信息科学与技术学院 |
| |
基金项目: | 国家重点研发计划(2019YFB1803500);;四川省科技计划项目(2020YJ0016); |
| |
摘 要: | 全光纤超短脉冲啁啾放大技术在激光技术和超快光学领域备受关注。针对传统数值方法分析光纤中超短脉冲啁啾放大过程存在计算量大、效率低等问题,采用深度学习方法开展全光纤超短脉冲啁啾放大过程建模研究。首先分析脉冲啁啾参量等参数对超短光脉冲传输过程的影响。预训练设计的深度神经网络模型,分析网络对不同初始脉冲啁啾参量的预测精度,进一步探索了不同初始脉冲半峰全宽、峰值功率和啁啾参量等复杂情况下网络的泛化性及预测精度。本研究拓宽了数据驱动方法在激光行为预测方面的应用,为光纤中超短脉冲的特性研究提供了新思路。
|
关 键 词: | 非线性光学 光纤参量啁啾脉冲放大 卷积神经网络 非线性薛定谔方程 |
|
|