超连续谱生成中怪波孤子的机器学习分析

超连续谱生成是一种高度非线性的过程，当长泵浦脉冲注入光纤的反常色散区时，会表现出不稳定和混沌特性。与该 regime 相关的一个特征是超连续谱长波长边缘处光谱强度的长尾“怪波”状统计，这与极少数具有极端红移的“怪波孤子”的生成有关。在此，我们应用机器学习来分析超连续谱谱边缘处这些孤子的特性，并展示监督学习如何训练神经网络，仅从超连续谱光谱强度而无相位信息预测这些孤子的峰值功率、持续时间和时间延迟。该网络可准确预测从由纯调制不稳定性主导的光谱展宽起始到具有明显怪波孤子的近倍频程跨度的超连续谱等多种情形下的孤子特性。