通过使用顺序分析和机器学习来描述混乱激光的尖峰时间
Bruno R R Boaretto1, Elbert E N Macau1, Cristina Masoller2
1Institute of Science and Technology, Universidade Federal de São Paulo, 12247-014 São José dos Campos, São Paulo, Brazil.
Chaos (Woodbury, N.Y.)
|April 1, 2024
概括
半导体激光器产生类似于神经信号的光学尖峰. 分析跨峰间隔揭示了可以用于新型信息处理应用的统计性质.
科学领域:
- 非线性动力学是一种非线性动力学.
- 光子学是指光子学的使用方法.
- 信息理论 信息理论
背景情况:
- 带有光学反的半导体激光器表现出复杂的非线性动态.
- 这些激光器可以产生模仿神经活动的光脉冲 (尖峰).
- 了解尖峰时间统计对于光子信息处理至关重要.
研究的目的:
- 研究激光间尖区间 (ISI) 的统计性质.
- 使用实验参数探索光学尖峰的潜在编码方法.
- 确定ISI序列是否可以根据应用的正弦信号进行差异化.
主要方法:
- 来自半导体激光器的实验ISI序列的分析.
- 顺序分析和机器学习技术的应用.
- 使用闪噪声参数 (α) 和顺序的ISI序列的表征.
主要成果:
- ISI序列表现出类似于闪噪声的统计序列属性.
- 闪噪声参数α随着应用的正弦信号参数 (直流值,频率) 而变化.
- (α,变量) 平面有效地将ISI序列与不同的实验条件区分开来.
结论:
- 半导体激光器中的光学尖峰计时统计可通过外部信号进行控制.
- 顺序分析和机器学习为光学尖峰编码提供了洞察力.
- (α,变量) 平面为分析和区分光学尖峰序列提供了一个强大的方法.
