用深度神经网络控制多模光纤中的时空非线性
光学
2020-03-26 v1
摘要
多模光纤中的时空非线性相互作用因可利用从准连续波到以可见至红外泵浦波长为中心的超短脉冲的不同泵浦体制的非线性传播来实现光束整形和频率转换而备受关注。多模光纤中的非线性效应强烈依赖于激发条件，然而关于该主题的报道相对较少。在此，我们提出首个机器学习方法，通过深度神经网络定制激发条件来学习并控制多模光纤内的非线性频率转换。深度神经网络以实验数据训练，用于学习泵浦脉冲的空间光束轮廓与频谱生成之间的关系。针对不同的用户定义目标频谱，应用网络建议的光束形状，实现了对级联拉曼散射和超连续谱生成过程的控制。我们的结果提出了一种调谐宽带光源频谱的新方法。
引用
@article{arxiv.1909.10561,
title = {Controlling spatiotemporal nonlinearities in multimode fibers with deep neural networks},
author = {Uğur Teğin and Babak Rahmani and Eirini Kakkava and Navid Borhani and Christophe Moser and Demetri Psaltis},
journal= {arXiv preprint arXiv:1909.10561},
year = {2020}
}
备注
12 pages, 10 figures