利用机器学习精确预测现实空芯反谐振光纤的损耗
光学
2024-01-17 v1
摘要
空芯反谐振光纤（HC-ARF）因其独特而非凡的光学特性，已被证明是各种新兴应用不可或缺的平台。然而，由于其复杂的结构以及缺乏精确的分析和理论模型，精确估算嵌套式 HC-ARF 的传播损耗仍然是一项具有挑战性的任务。为应对这一挑战，我们提出了一种监督式机器学习框架，为精确预测 5 管嵌套式 HC-ARF 的传播损耗提供了一种有效的解决方案。我们使用模拟数据集实现并比较了多种监督学习模型，包括随机森林、逻辑回归、二次判别分析、基于树的方法、极端梯度提升和 K 近邻。在这些方法中，随机森林算法被确定为最有效的方法，能够提供准确的预测。值得注意的是，本研究考虑了随机结构扰动对光纤几何形状的影响，包括管壁厚度和管间隙的随机变化。具体而言，这些扰动涉及随机变化的外层和嵌套管壁厚度、管角度偏移，以及包层结构内随机分布的非圆形、各向异性形状。值得指出的是，这些特定的扰动此前尚未被研究过。每个管都表现出其独特的随机值集合，与具有相似管特性的 HC-ARF 中的常规随机变量相比，这些值的组合导致更长的仿真时间。对这些因素的全面考虑使得精确预测成为可能，极大地推动了 HC-ARF 在许多新兴应用中的发展。
引用
@article{arxiv.2401.06971,
title = {Accurate Loss Prediction of Realistic Hollow-core Anti-resonant Fibers Using Machine Learning},
author = {Yordanos Jewani and Michael Petry and Rei Sanchez-Arias and Rodrigo Amezcua-Correa and Md Selim Habib},
journal= {arXiv preprint arXiv:2401.06971},
year = {2024}
}