Predicción por aprendizaje profundo de inestabilidades no lineales impulsadas por el ruido en fibra óptica

Área de la Ciencia:

• La física
• La fotónica
• Óptica no lineal

Sus antecedentes:

• La fotónica ofrece un procesamiento rápido de la información con una rica dinámica no lineal.
• La explotación de la óptica no lineal incoherente es un desafío debido a la dinámica impulsada por el ruido.

Objetivo del estudio:

• Aprovechar el aprendizaje profundo para controlar la ampliación espectral incoherente en la propagación de fibras no lineales.
• Investigar la interacción entre la siembra coherente y el ruido de banda ancha en la inestabilidad de la modulación.

Principales métodos:

• Utilizó estrategias de aprendizaje profundo, específicamente redes neuronales artificiales.
• Realizó predicciones numéricas y experimentales de dinámicas incoherentes complejas.
• Centrado en la siembra óptica coherente para dar forma a la ampliación espectral.

Principales resultados:

• Demostró la capacidad de las redes neuronales artificiales para predecir dinámicas incoherentes.
• Se ha demostrado que las propiedades de la semilla de entrada se pueden inferir de la señal de salida.
• Permitió una predicción fiable de las fluctuaciones espectrales de salida.

Conclusiones:

• La siembra óptica coherente da forma a una ampliación espectral incoherente.
• El aprendizaje profundo proporciona una herramienta poderosa para controlar dinámicas fotónicas complejas.
• Este enfoque facilita la adaptación de señales fotónicas con características de correlación específicas.