基于神经网络预测超快光纤激光器中超短脉冲非线性动力学

作     者：朱博威 

作者单位：浙江农林大学 

学位级别：硕士

导师姓名：戴朝卿

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081104[工学-模式识别与智能系统] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 0803[工学-光学工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：超快光纤激光器 光孤子 神经网络 

摘      要：随着超快光纤激光器向着更高的功率输出、更窄的脉冲宽度等目标的不断迈进,这类非线性光学系统出现了解析方法求解困难、数值方法的计算成本高的严重瓶颈,因此需要引入新方法来研究超快光纤激光器。本论文使用神经网络方法预测了超快光纤激光器中超短脉冲的非线性动力学行为,分析了光孤子的形成机制以及动力学特性。该工作为神经网络方法深入研究超短光脉冲传输的非线性动力学提供了借鉴,同时也为超快光纤激光器的实验设计与优化提供理论支撑。主要研究内容如下: 1.针对传统物理信息神经网络中不同损失函数项之间的收敛速度存在显著差异的基本缺陷,本文提出了一种加权损失函数策略的优化方案。运用该新方法研究发现自陡峭效应和拉曼效应会导致双折射光纤中超短脉冲向相反的方向偏移,当两种效应强度相同,它们带来的脉冲偏移会相互抵消,从而实现光脉冲的稳定传输。此外,本文还预测了多种孤子的非线性动力学并逆向预测了控制方程的物理系数,预测误差大多在1%左右,具有很高的精度。这提供了一种研究超短光脉冲动力学行为的新的分析方法,对非线性动力学的研究具有重要意义。 2.本文将学习率衰减策略引入到物理信息神经网络结构中,并将其应用于具有宇称-时间对称势的自散焦饱和非线性薛定谔方程的对称、不对称以及反对称孤子动力学的预测。结果表明,与传统物理信息神经网络相比,学习率衰减策略能够将损失函数的收敛程度从10提高到10,同时加快损失函数的收敛速度,从而使孤子动力学的预测距离提高接近一个数量级。在抗干扰性分析中,边界条件的波动对预测精度的影响最小,初始条件次之,控制方程条件最大。势函数中,折射率波动带来的干扰大于增益损耗近似计算带来的干扰。 3.针对前馈神经网络信息传输方向单一的不足,本文运用长短时记忆网络对超快光纤激光器中的多种矢量倍周期脉动孤子的动力学进行研究。结果表明,无论从演化图还是周期性或者是脉冲强度角度看,长短时记忆网络的预测结果与仿真模拟结果具有很高的一致性。因此,神经网络方法可以为超短脉冲非线性动力学的研究提供更强大的工具和更丰富的思路。