[論文レビュー] Modelling self-similar parabolic pulses in optical fibres with a neural network

Sonia Boscolo, John M. Dudley+1 more|arXiv (Cornell University)|Dec 2, 2020

Advanced Fiber Laser Technologies参考文献 44被引用数 29

ひとこと要約

本稿では、非線形シュレーディンガー方程式の直接数値解法を回避するため、増幅/減衰を伴う光ファイバーにおける自己相似な放物パルス生成をモデル化する教師ありフィードフォワードニューラルネットワークを提案する。この手法は、直接的および逆問題の両方を高精度に解き、最小限の計算コストでパルスの発展および設計パラメータを予測する。

ABSTRACT

We expand our previous analysis of nonlinear pulse shaping in optical fibres using machine learning [Opt. Laser Technol., 131 (2020) 106439] to the case of pulse propagation in the presence of gain/loss, with a special focus on the generation of self-similar parabolic pulses. We use a supervised feedforward neural network paradigm to solve the direct and inverse problems relating to the pulse shaping, bypassing the need for direct numerical solution of the governing propagation model.

研究の動機と目的

• 機械学習を用いて、増幅/減衰を伴う光ファイバー内における自己相似な放物パルス伝搬をモデル化すること。
• 初期条件およびファイバー特性からパルス発展を予測する直接問題を扱うこと。
• 望ましい自己相似な放物パルスを得るために必要な初期パルスおよびファイバー特性を特定する逆問題を解くこと。
• 反復的数値解法の代わりに訓練済みニューラルネットワークを用いることで計算コストを低減すること。
• 訓練済みネットワークの精度および一般化能力を、多様なファイバーおよびパルス設定において検証すること。

提案手法

• 分散型増幅/減衰を伴う非線形シュレーディンガー方程式から生成されたデータを用いて、教師ありフィードフォワードニューラルネットワークを訓練する。
• 入力特徴量には、初期パルスパラメータ（振幅、幅、チルプ）およびファイバー特性（分散、非線形性、増幅係数）が含まれる。
• 出力特徴量には、さまざまなファイバー距離におけるパルスの時間的およびスペクトル的発展が含まれる。
• バックプロパゲーションを用いて、予測されたパルス形状と真のパルス形状との差を最小化するようにネットワークを訓練する。
• 逆問題は、望ましい出力パルスから必要な入力パrametersをマッピングする第二のネットワークを訓練することで解決する。
• 未知のパrameter組み合わせを用いた一般化のテストにより、耐障害性および精度を評価する。

実験結果

リサーチクエスチョン

• RQ1 ニューラルネットワークは、増幅/減衰を伴う光ファイバー内における自己相似な放物パルスの直接的発展を高精度にモデル化できるか？
• RQ2 同じネットワークアーキテクチャは、自己相似パルス形成のためのパラメータ設計という逆問題に対しても効果的に機能するか？
• RQ3 精度および速度の観点から、直接的数値統合と比較してニューラルネットワークの性能はどの程度か？
• RQ4 多様なファイバーおよびパルスパラメータ範囲において、訓練済みネットワークの一般化能力はどの程度か？
• RQ5 支配的方程式の明示的知識なしに、ネットワークは自己相似パルス形成の背後にある物理法則を学習できるか？

主な発見

• パルス振幅および幅の相対誤差が、テストされた設定すべてで1%未満となるほど、ニューラルネットワークは高い精度でパルス発展を予測した。
• 逆問題は成功裏に解決され、最小限の誤差で目的の自己相似な放物パルス形状に発展する初期パルスの設計が可能になった。
• 未知のパラメータ組み合わせに対しても良好な一般化が達成され、トレーニング分布を越えた耐障害性が示された。
• 反復的数値解法と比較して、トレーニング時間は顕著に短縮され、迅速なシミュレーションおよび設計が可能になった。
• この手法は、自己相似パルスダイナミクスの物理的整合性を保持しており、特徴的な放物型時間的およびスペクトル的プロファイルが再現された。
• このアプローチにより、超高速光物理学および光通信分野におけるパラメータ空間の効率的探索が可能になった。