基于机器学习的多模态光纤波前形成的复杂模型
光学
2024-11-08 v1
摘要
我们研究了一种方法，通过机器学习获取高度多模态光纤（140个 LP 模型/极化）的完整复数模型（传输矩阵和神经网络），无需参考光束。首先通过在近场和远场输出平面上预测图像与实验图像之间的高保真度来验证这些模型（我们训练的传输矩阵或神经网络的皮尔逊相关系数在97.5%到99.1%之间）。其准确性进一步通过成功实现3D光束形成得到确认，这是仅用真正的完整复数模型才能实现的任务。作为展望，我们还展示了我们神经网络架构对梯度指数多模态光纤中非线性 Kerr 传播的建模能力，并能预测输出光束形状。
引用
@article{arxiv.2411.04531,
title = {Machine learning-driven complex models for wavefront shaping through multimode fibers},
author = {Jérémy Saucourt and Benjamin Gobé and David Helbert and Agnès Desfarges-Berthelemot and Vincent Kermène},
journal= {arXiv preprint arXiv:2411.04531},
year = {2024}
}