通过带有先验信息馈入的循环神经网络快速预测锁模光纤激光器的复杂非线性动力学
光学
2022-11-11 v1 计算物理
摘要
作为研究飞秒激光内部机制的重要方法，传统的飞秒激光建模依赖于分步傅里叶方法（SSFM）迭代求解非线性薛定谔方程，但存在计算复杂度大的问题。为了实现飞秒激光的逆向设计和优化，需要对具有不同腔设置的锁模光纤激光器进行大量仿真，进一步凸显了由大计算复杂度引起的耗时问题。在此，首次提出使用循环神经网络来实现快速且准确的飞秒锁模光纤激光器建模。通过我们提出的先验信息馈入方法，实现了对不同腔设置的泛化。在 GPU 的加速下，人工智能（AI）模型推断 500 次往返的平均时间不到 0.1 秒。即使在相同的基于 CPU 的硬件平台上，AI 模型仍然比 SSFM 方法快 6 倍。所提出的 AI 驱动方法有望成为飞秒激光建模的标准方法。
引用
@article{arxiv.2211.05425,
title = {Fast predicting the complex nonlinear dynamics of mode-locked fiber laser by a recurrent neural network with prior information feeding},
author = {Guoqing Pu and Runmin Liu and Hang Yang and Yongxin Xu and Weisheng Hu and Minglie Hu and Lilin Yi},
journal= {arXiv preprint arXiv:2211.05425},
year = {2022}
}