学习光子灯笼：神经网络在宽带光子灯笼建模中的应用
光学
2021-08-31 v1 天体物理仪器与方法
摘要
光子灯笼可将高度多模的光分解为简化的模式基，例如单模和/或少数模。它们在天文学、光学和电信中的应用日益广泛。使用传统算法计算光在光子灯笼中的传播，在现代 CPU 上每次仿真约需 1 小时。本文证明神经网络可以桥接迥异的光电系统，并且在训练后能够实现超过 5 个数量级的加速。我们表明，该方法可用于对带有制造缺陷的光子灯笼建模，并能成功泛化到多色数据。我们展示了这些神经网络模型的两种用途：将视宁度效应通过光子灯笼传播，以及用于光子灯笼漏斗和光子灯笼零化器等目的的全局优化。
引用
@article{arxiv.2108.13274,
title = {Learning the Lantern: Neural network applications to broadband photonic lantern modelling},
author = {David Sweeney and Barnaby R. M. Norris and Peter Tuthill and Richard Scalzo and Jin Wei and Christopher H. Betters and Sergio G. Leon-Saval},
journal= {arXiv preprint arXiv:2108.13274},
year = {2021}
}
备注
20 pages, 14 figures