用于预测调制不稳定性中极端统计的机器学习
计算物理
2018-06-19 v1 机器学习
光学
机器学习
摘要
非线性科学中的一个核心研究领域是驱动极端事件涌现的不稳定性研究。遗憾的是，测量此类现象的实验技术往往只能提供部分表征。例如，非线性光纤光学中不稳定性的实时研究常仅使用频谱数据，从而无法对相关的时域特性作出详细预测。在此，我们展示Machine Learning如何克服这一局限：仅基于频谱测量，预测调制不稳定性中时域峰值最大强度的统计。具体而言，我们训练一个基于神经网络的Machine Learning模型，利用数值模拟数据关联光纤调制不稳定性的频谱与时域特性，随后将该模型用于基于实验高动态范围频谱数据预测时域概率分布。这些结果在为所有呈现混沌与不稳定且难以直接时域观测的系统开启了新视角。
引用
@article{arxiv.1806.06121,
title = {Machine learning for prediction of extreme statistics in modulation instability},
author = {Mikko Närhi and Lauri Salmela and Juha Toivonen and Cyril Billet and John M. Dudley and Goëry Genty},
journal= {arXiv preprint arXiv:1806.06121},
year = {2018}
}