基于神经网络预测光纤中周期信号的非线性整形
Predicting nonlinear reshaping of periodic signals in optical fibre with a neural network
AI总结：
本研究提出基于神经网络的监督学习模型，可预测光纤中正弦信号经非线性传输后的时域与频域整形效果，覆盖两种色散 regime，还能快速探测参数空间以定制光梳或实现聚焦。
摘要：
我们采用一种基于神经网络的监督机器学习模型，预测简单正弦调制信号在光纤中非线性传输时，在时域和频域上整形为具有梳状频谱结构的脉冲序列的过程。研究涵盖了光纤的正常和反常二阶色散两种工作区域，并利用神经网络的快速计算特性，对输入参数空间进行探测，以生成定制化光梳或实现显著的时域或频谱聚焦效果。
英文摘要：
We deploy a supervised machine-learning model based on a neural network to predict the temporal and spectral reshaping of a simple sinusoidal modulation into a pulse train having a comb structure in the frequency domain, which occurs upon nonlinear propagation in an optical fibre. Both normal and anomalous second-order dispersion regimes of the fibre are studied, and the speed of the neural network is leveraged to probe the space of input parameters for the generation of custom combs or the occurrence of significant temporal or spectral focusing.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
