近期，中國科學院上海光學精密機械研究所空天激光技術與系統(tǒng)部周佳琦研究員團隊，在深度學習預測光纖放大器中斯托克斯脈沖演化方向取得進展。相關成果以“Deep learning prediction of Stokes pulse evolution in ultrafast Raman fiber amplifiers”為題，發(fā)表在Chinese Optics Letters上。

非線性光學增益調制（Nonlinear Optical Gain Modulation, NOGM）作為新興的超短脈沖產生技術，在超快拉曼光纖激光等非線性系統(tǒng)中具有獨特優(yōu)勢。然而，傳統(tǒng)基于廣義非線性薛定諤方程（GNLSE）的建模仿真方法計算效率較低，嚴重制約了其在需要實時計算的動態(tài)控制系統(tǒng)中的集成應用。

針對這一挑戰(zhàn)，研究團隊創(chuàng)新性地將深度學習技術與非線性光纖光學數值仿真相結合，開發(fā)了專用于NOGM拉曼光纖激光放大器預測的四層全連接神經網絡（FCNN）模型。該模型以初始泵浦脈沖能量、脈沖寬度和光包絡傳輸距離為輸入，通過優(yōu)化的網絡架構和訓練策略，能夠精準捕捉非線性光學過程中的關鍵物理特征，實現(xiàn)對輸出光譜的高精度預測。研究團隊系統(tǒng)評估了模型在不同光纖類型和輸入參數組合下的性能。結果表明：在核心參數范圍內，模型實現(xiàn)了優(yōu)異的光譜預測精度；對訓練集外參數仍展現(xiàn)出良好的泛化能力；尤其值得注意的是，其計算效率較傳統(tǒng)GNLSE方法提升高達86倍，為實時控制系統(tǒng)提供了新的技術可能。該方法有望顯著縮短超快拉曼光纖激光器的數值仿真和優(yōu)化周期，推動高功率、高穩(wěn)定性脈沖光源的智能化設計與調控。

該項工作得到了國家重點研發(fā)計劃、中國科學院青年創(chuàng)新促進會、國家自然科學基金和上海市自然科學基金的支持。

原文鏈接

圖1 仿真的非線性增益調制拉曼光纖放大器系統(tǒng)結構圖

圖2 PM 980光纖中，初始泵浦脈沖參數為400 nJ和10 ps時，廣義非線性薛定諤方程(GNLSE)模擬和全連接神經網絡(FCNN)預測光譜的比較：(a) GNLSE模擬的光譜演化；(b) FCNN預測的光譜演化；(c) 絕對誤差分布；(d-i) 在特定傳輸距離下的光譜比較（z = 0.1, 0.2, 0.4, 0.6, 0.8, 1.0米）。