弱 Kerr 非线性提升频率复用光子极端学习机的性能：一种多方面方法
光学
2023-12-20 v1 新兴技术
神经与进化计算
摘要
我们对 Kerr 非线性对频率复用极端学习机 (ELM) 性能的影响进行了理论、数值和实验研究。在此类 ELM 中，神经元信号被编码在频率梳的谱线中。Kerr 非线性促进了随机神经元连接，从而实现高效的信息混合。可编程光谱滤波器施加输出权重。系统在连续波模式下运行。即使在低输入峰值功率下，由此产生的弱 Kerr 非线性也足以显著提升多项任务的性能。当仅使用 20 米长掺铒光纤放大器中存在的极小 Kerr 非线性时，这种提升就已经出现。相比之下，随后在 540 米单模光纤中的传播仅略微改善性能，而使用相位调制器进行额外的信息混合则完全没有带来进一步改善。我们引入一个模型表明，在频率复用 ELM 中，Kerr 非线性通过四波混合而非自相位调制或交叉相位调制来混合信息。在低功率下，该效应对梳线振幅呈四次方依赖。数值模拟验证了我们的实验结果和解释。
引用
@article{arxiv.2312.12296,
title = {Weak Kerr Nonlinearity Boosts the Performance of Frequency-Multiplexed Photonic Extreme Learning Machines: A Multifaceted Approach},
author = {Marina Zajnulina and Alessandro Lupo and Serge Massar},
journal= {arXiv preprint arXiv:2312.12296},
year = {2023}
}