基于 PINN 神经网络的原理驱动光纤传输模型
信号处理
2022-04-20 v1
摘要
本文提出了一种基于物理诱导神经网络（PINN）的新型原理驱动光纤传输模型。与将数据驱动模型将光纤传输问题视为数据回归任务不同，该模型将其视为方程求解问题。基于原理驱动的 PINN 光纤模型不采用事先通过 SSFM 算法计算得到的输入信号与输出信号，而是以时间与距离帧作为输入，以 NLSE 解的相应实部与虚部作为输出。通过在损失函数设计中将传输前脉冲与信号作为初始条件，并将光纤物理原理作为 NLSE，该模型将逐步学习传输规律。因此，它无需数据标签（即数据驱动模型中传输后预先计算信号）即可有效训练。得益于这一优势，在原理驱动光纤模型训练前不再需要 SSFM 算法，从而节省大量时间消耗。通过数值演示，结果表明该基于原理驱动的 PINN 光纤模型能够处理针对不同光纤通信传输参数的脉冲演化、信号传输与光纤双折射的预测任务。
引用
@article{arxiv.2108.10734,
title = {Principle-driven Fiber Transmission Model based on PINN Neural Network},
author = {Yubin Zang and Zhenming Yu and Kun Xu and Xingzeng Lan and Minghua Chen and Sigang Yang and Hongwei Chen},
journal= {arXiv preprint arXiv:2108.10734},
year = {2022}
}