由神经网络重构的四波混频相空间拓扑
光学
2022-12-21 v1 混沌动力学
摘要
通过将实验测量与监督机器学习策略相结合，重构了光纤中理想四波混频的动力学。训练数据由在短光纤段输出端记录的功率相关谱相位与振幅组成。该神经网络能够准确预言数十公里内的非线性动力学，并重构相空间拓扑的主要特征，包括多个 Fermi-Pasta-Ulam 回归周期与系统分界线边界。
引用
@article{arxiv.2207.03846,
title = {Phase space topology of four-wave mixing reconstructed by a neural network},
author = {Anastasiia Sheveleva and Pierre Colman and John M Dudley and Christophe Finot},
journal= {arXiv preprint arXiv:2207.03846},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2203.06962