基于深度学习的向量孤子脉冲动态建模与编码信息存储
光学
2024-08-06 v2 斑图形成与孤子
摘要
孤子脉冲是非平稳孤子动力学在模式锁激光器及其他许多物理系统中常见的特征。为克服传统数值方法在建模非平稳孤子演化时计算量巨大和效率低下的困难，我们提出一种两种平行、双向长短期记忆循环神经网络，其主要目标是预测各种复杂状态下向量孤子脉冲的动力学。我们通过实验验证了其实时动力学。此外，我们还实现了基于TP-Bi_LSTM RNN的编码信息存储方案，而不是实际脉冲信号。这些发现为深度学习在超快光学和信息存储中的新应用提供了可能。
引用
@article{arxiv.2407.18725,
title = {Deep learning for dynamic modeling and coded information storage of vector-soliton pulsations in mode-locked fiber lasers},
author = {Zhi-Zeng Si and Da-Lei Wang and Bo-Wei Zhu and Zhen-Tao Ju and Xue-Peng Wang and Wei Liu and Boris A. Malomed and Yue-Yue Wang and Chao-Qing Dai},
journal= {arXiv preprint arXiv:2407.18725},
year = {2024}
}
备注
To be published in Laser & Photonics Reviews;https://doi.org/10.1002/lpor.202400097