修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

3 条数据
?? 中文（中国） ▾

  • [2019年IEEE欧洲激光与电光会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 德国慕尼黑 (2019.6.23-2019.6.27)] 2019年欧洲激光与电光会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 基于机器学习的光纤调制不稳定性极端事件预测

    摘要： 研究驱动极端事件的不稳定性是非线性科学的核心。非线性不稳定性的最著名范例之一是调制不稳定性（MI），它描述了输入信号上噪声的指数级放大。当由噪声引发时，MI已被证明与具有随机统计特性的高强度局域化时间呼吸子的出现有关，同时也有研究认为MI可能与极端事件或畸形波的形成有关[1]。色散傅里叶变换（DFT）等实时技术常用于测量超快不稳定性[2]。虽然概念简单且易于实施，但DFT仅提供频谱信息，限制了对相关时间特性的认知。本文展示了如何利用机器学习克服这一限制，仅基于光谱强度测量来研究光纤调制不稳定性的时域特性。具体而言，我们通过数值模拟训练了一个监督神经网络（NN）来关联调制不稳定性的光谱和时间特性，随后将该神经网络模型应用于分析高动态范围实验性MI光谱，从而得出不稳定性场中最高时间峰值的概率分布[3]。

    关键词： 调制不稳定性、光纤、机器学习、神经网络、极端事件

    更新于2025-09-12 10:27:22

  • [2019年IEEE欧洲激光与光电子学会议暨欧洲量子电子学会议（CLEO/Europe-EQEC）- 德国慕尼黑（2019年6月23日-27日）] 2019年欧洲激光与光电子学会议暨欧洲量子电子学会议（CLEO/Europe-EQEC）- 自脉动光纤激光器中级联受激布里渊散射产生极端事件

    摘要： 十多年来，在各类光学系统中观测到了极端振幅事件和罕见不稳定性。特别是在拉曼光纤激光器、激光二极管或锁模激光器等耗散系统中，已观察到长尾统计特性和高度局域化的时间结构[1,2]。最新研究表明，受激布里渊散射(SBS)能在多种构型中触发极端事件产生——从自脉动光纤激光器[3,4]到Q开关随机光纤激光器[5]。众所周知，SBS的随机特性会促进随机分布巨脉冲的出现，这些脉冲可能导致光纤激光系统不可逆损伤。为理解和驾驭此类极端事件，必须建立并完善数值模型。 在自脉动光纤激光器领域，现有研究多仅考虑一两个基本斯托克斯阶数[6]。这类模型虽能良好描述掺铒光纤激光器通过SBS实现Q开关时的大幅脉冲间强度涨落，但未能预测任何极端事件[6]。本文在文献[3]模型基础上进行扩展，通过推广至更高斯托克斯阶数来研究其对自脉动激光器极端动力学的影响。该模型基于耦合振幅方程组，描述了激光波与布里渊波及其对应声场的时空动力学特性，以及各波增益的时间变化。我们还引入物质方程以表征有源光纤未泵浦段可能出现的饱和吸收效应。 研究表明：增加与增益介质相互作用的SBS阶数会呈现新动力学行为，从而产生单SBS阶数模型未能预测的极端事件。如图1所示，我们预测会出现振幅达到所谓显著波高27倍的脉冲，这证实了极端振幅事件的存在——此类巨脉冲可能达到光纤不可逆损伤阈值。我们还全面研究了影响动力学行为的不同参数（包括对激光器动态特性具有强影响并能调控激光不稳定性最高强度的斯托克斯阶数），并讨论了输入噪声等其他参数对系统动力学的影响，证明该简化模型能为理解SBS影响下的复杂随机动力学奠定基础。

    关键词： 受激布里渊散射、随机动力学、极端事件、光学系统、自脉动光纤激光器

    更新于2025-09-11 14:15:04

  • 光纤调制不稳定性中极端事件的机器学习分析

    摘要： 非线性科学的一个核心研究领域是探究驱动极端事件的不稳定性。遗憾的是，这类现象的测量技术往往只能提供部分特征描述。例如，非线性光学中不稳定性的实时研究通常仅使用光谱数据，这限制了对相关时间特性的认知。本文展示了如何通过机器学习突破这一限制——仅需基于光谱强度测量，就能研究光纤调制不稳定性的时域特性。具体而言，我们训练了一个监督神经网络，利用模拟数据建立调制不稳定性的光谱特性与时间特性之间的关联，随后将该网络应用于分析高动态范围实验光谱，从而获得不稳定性场中最高时间峰值的概率分布。我们还采用无监督学习方法，将含噪声的调制不稳定性光谱分类为对应不同时间动力学结构的子集。这些成果为所有难以直接进行时域观测的不稳定系统开辟了新视角。

    关键词： 机器学习、极端事件、光纤调制不稳定性、无监督学习、监督神经网络

    更新于2025-09-10 09:29:36