机器学习预测超短脉冲激光中的极端事件

在本文中，我们提出了一个具有 50 个神经元的隐藏层、三个延迟和一个输出层的非线性自回归神经网络，它能够准确预测具有超短脉冲的克尔透镜锁模 Ti:Sapphire 激光器中极端事件的出现。极端事件是在混沌吸引子的背景下以及使用啁啾脉冲产生的。该神经网络的预测对激光脉冲振幅的实验和理论时间序列均效果良好。当输入实验时间序列时，我们有 $95.45\%$ 的命中率和 $6.67\%$ 的假阳性率，而使用理论时间序列时，网络预测了 $100\%$ 的极端事件，但假阳性率上升至 $23.33\%$。