多芯光纤的人工智能辅助设计方法（特邀）
摘要
针对传统多芯光纤的设计方法存在效率低、计算成本高等问题，提出一种基于机器学习的高效协同设计框架。对于随机耦合多芯光纤，构建了融合神经网络与优化算法的正向预测模型，其最佳芯间距的预测精度约为0.983，且最佳芯间距对应空间模式的色散预测精度约为0.956；针对少模多芯光纤，分别提出基于独立神经网络模型和神经网络-粒子群优化联合模型的两种逆向设计策略，其对应的光纤性能与实际性能的均方误差分别为5×10-4和3×10-5。结果表明，相比传统数值仿真，机器学习辅助设计可减少90%以上的计算资源消耗，在保持预测精度的同时，有效解决了多参数耦合导致的非唯一性优化问题，为新一代大容量光传输系统提供了一种可靠高效的光纤设计方案。
引用本文（GB/T 7714）
唐晓泽 Tang Xiaoze, 许聪 Xu Cong, 涂佳静 Tu Jiajing, 等. 多芯光纤的人工智能辅助设计方法（特邀）[J]. Acta Optica Sinica, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。