Predicción del rendimiento de las fibras antirresonantes de núcleo hueco de terahertz basado en una red de decisión...

Área de la Ciencia:

• Óptica y Fotónica.
• Ciencia de los materiales Ciencia de los materiales.
• Física computacional es la física computacional.

Sus antecedentes:

• Las fibras antirresonantes de núcleo hueco (HC-ARF) son cruciales para la transmisión de ondas en terahertz (THz).
• Los métodos tradicionales como el método de elementos finitos (FEM) son computacionalmente ineficientes para optimizar HC-ARF con múltiples parámetros.
• Los modelos existentes a menudo predicen el rendimiento solo en longitudes de onda específicas, lo que limita su aplicabilidad.

Objetivo del estudio:

• Desarrollar un método novedoso y computacionalmente eficiente para predecir el rendimiento de los HC-ARF de terahertz anidados.
• Integrar el aprendizaje profundo con los principios forestales aleatorios para mejorar la precisión de la predicción.
• Para extender la predicción de rendimiento a un rango de frecuencia THz más amplio (0.5-1.5 THz) e incluir la clasificación de dispersión.

Principales métodos:

• Se desarrolló una red de decisiones secuenciales (SDNet), que combina el aprendizaje profundo con la toma de decisiones forestales aleatorias.
• SDNet utiliza parámetros estructurales de fibra y frecuencia de operación como entradas.
• El modelo predice la pérdida de confinamiento (CL) y la dispersión, clasificando cada uno en seis niveles.

Principales resultados:

• SDNet logró altas precisiones de predicción: 94,3% para CL y 97,7% para la dispersión.
• El modelo superó significativamente el rendimiento de los algoritmos tradicionales de aprendizaje automático (Random Forest, K-NN, Decision Tree).
• El análisis de la matriz de confusión confirmó la capacidad superior de SDNet para distinguir entre categorías de rendimiento similares.

Conclusiones:

• SDNet ofrece un enfoque eficiente y preciso para la optimización colaborativa de múltiples parámetros de HC-ARF en el rango THz.
• Este método supera las limitaciones anteriores al extender el análisis a un espectro de frecuencias más amplio e incluir la predicción de dispersión.
• El modelo desarrollado proporciona una herramienta valiosa para diseñar y optimizar HC-ARF para aplicaciones THz.