FiberKAN：用于非线性光纤光学的Kolmogorov-Arnold网络
光学
2025-04-29 v1
摘要
科学发现和动态表征在理解、学习和建模 various 领域内物理现象和行为方面发挥着关键作用。虽然许多系统动力学理论和规律已从严格的首原则推导得出，但仍有大量复杂动力学尚未被发现和表征，这阻碍了相应领域的科学进步。为此，人工智能科学(AI4S)应运而生，成为一个新兴的研究领域。本文提出了基于Kolmogorov-Arnold网络(KAN)的AI4S框架，命名为FiberKAN，用于非线性光纤光学的科学发现和动态表征。与经典的多层感知器(MLP)结构不同，KAN中可训练且具有透明度的激活函数使网络在物理可解释性和非线性表征能力方面具有优势。针对不同物理效应下的光纤光学系统动力学，构建了多个KAN。结果表明，KAN能够很好地发现和表征不同效应下的显式、隐式和非解析解，性能优于参数量相当的MLP。此外，还研究和分析了该方法在非线性光纤光学系统中的有效性、计算成本、交互性、噪声抗性、迁移学习能力以及与相关算法的比较。本工作凸显了KAN的变革性潜力，确立了其作为AI4S中开创性范式的地位，推动了非线性光纤光学领域的发展，并为广泛的科学和工程学科培育了突破性的创新。
引用
@article{arxiv.2504.18833,
title = {FiberKAN: Kolmogorov-Arnold Networks for Nonlinear Fiber Optics},
author = {Xiaotian Jiang and Min Zhang and Xiao Luo and Zelai Yu and Yiming Meng and Danshi Wang},
journal= {arXiv preprint arXiv:2504.18833},
year = {2025}
}