利用前馈神经网络预测锁模光纤激光器输出
光学
2024-09-06 v1 计算物理
摘要
凭借解决回归问题的强大能力，人工神经网络已成为推动超快激光研究进展的有力工具。在本文中，我们展示了前馈神经网络(FNN)以高速与高精度预测锁模光纤激光器输出参数的能力，这些参数相互依赖于多个腔内参数。通过FNN训练模型实现了腔参数与激光输出之间的直接映射，绕过了作为获取激光腔收敛解常用方法的繁琐迭代数值模拟。我们表明，在训练数据内外的情形下，激光输出光谱与时域脉冲轮廓均可在仅5 ms时间框架内以小于0.032的归一化均方根误差(NRMSE)准确预测。我们研究了FNN构型对预测性能的影响。增益与光谱滤波器参数均被探究以测试训练后FNN模型的高速预测能力。针对变化激光腔内参数的激光输出性能的直接快速预测，为具有逆向设计或自主运行维护的智能短脉冲激光器铺平了道路。
引用
@article{arxiv.2311.18385,
title = {Predicting mode-locked fiber laser output using feed-forward neural network},
author = {Xinyang Liu and Regina Gumenyuk},
journal= {arXiv preprint arXiv:2311.18385},
year = {2024}
}