MMJun, 2022

基于机器学习辅助物理受激拉曼散射模型的柔性拉曼放大器优化

PDF
TL;DR该研究通过机器学习得到一个可微的插值函数以优化 Raman 放大器的增益系数，并应用于前向泵浦 Raman 放大器中优化任意数量的泵浦频率和功率以及后向泵浦 Raman 放大器的效率。最终验证并优化了 250 千米未重复传输中的波长增益平坦度，实现了小于 1dB 的增益平坦度。
发现论文，激发创造
  • 拉曼放大器的优化：黑盒、灰盒和白盒建模的比较

    光放大器的设计和优化对于提高光通信系统的性能至关重要，本文比较了基于物理的白盒模型、灰盒模型和基于数据驱动的黑盒模型在双向拉曼放大器中实现目标频率 - 距离放大的能力，并讨论了这些模型在优化速度和训练数据可及性方面的适用性、优势和局限性。

    Sep, 2023

  • 基于泄漏波全息术实现轨道角动量发生器设计的深度学习框架

    本文介绍了一种使用平面光学技术和机器学习技术生成携带光轴角动量的电磁波的新方法。为了优化系统性能，研究者使用机器学习确定射频设计参数的最佳值，节省时间并且比传统的手动参数调整方法和优化方法更准确。

    Apr, 2023

  • Π-ML：基于维度分析的大气地表层光学湍流机器学习参数化

    本文提出了一种基于物理学分析和梯度提升的机器学习方法以预测 $C_n^2$，并确定了潜在温度的归一化方差作为预测湍流强度的主导特征，并训练了一组模型以达到统计鲁棒性和高性能。

    Apr, 2023

  • 基于物理引导的机器学习的光谱数据反演问题

    我们提出了正则化循环推断机（rRIM），一种新颖的机器学习方法，用于通过测量的光谱推导配对胶功能的挑战性问题。rRIM 将物理原理融入训练和推断中，具有噪声鲁棒性、适应性和减少数据需求的特点。它有效地从实验光谱中获取可靠的配对胶功能，并为类似 Fredholm 积分方程的逆问题提供了有希望的解决方案。

    Apr, 2024

  • 非线性流形学习确定微胶体尺寸的拉曼光谱

    通过扩散映射方法和依托于拉曼光谱的数据集，建立了三个机器学习流程来准确预测从拉曼光谱中得出的聚合物颗粒大小，其中包括直接扩散映射、交替扩散映射和一种名为对等自编码器神经网络的方法。对比现有技术方法，这些自编码器在预测聚合物大小方面取得了有希望的首次突破。

    Mar, 2024

  • 机器学习在基于仿真優化中的应用：一个天线设计案例研究

    利用机器学习技术优化复杂系统的方法，通过少量数据训练得到的仿真器可近乎瞬间地给出准确结果和在海量参数空间内全局求解的优化结果，本研究以下一代毫米波蜂窝网络模拟器为例进行了验证并得到了成功的结果。

    Aug, 2019

  • 可重构智能表面辅助的 6G 网络中机器学习优化概述：从强化学习到大规模语言模型

    通过使用机器学习和增强学习等技术，本文讨论了如何优化并提高支持可重构智能表面的 6G 网络性能，并探讨了大语言模型与强化学习相结合的新机遇。

    May, 2024

  • 短程光学系统中的机器学习：综述

    近年来，广泛的研究已经进行了探索，以利用机器学习算法在各种直接检测和自相干短距离通信应用中的应用。特别强调其在高带宽需求的被动光网络中的利用，我们介绍了一种用于机器学习信号处理的时间序列方法的新型分类法，提供了一个结构化的分类框架。最后，我们强调了这个快速发展领域中的未来研究方向，并提出了解决硬件实现复杂性问题的具体解决方案，以便在短距离光通信系统中更实用和高效地部署机器学习方法。

    May, 2024

  • 增材制造中工艺参数优化的强化学习方法

    该论文介绍了一种基于强化学习（RL）和 Q-learning 的方法，用于优化金属添加制造过程中的激光功率和扫描速度组合，以获得更好的熔池深度，从而实现金属添加制造的过程优化。

    Nov, 2022

  • RamanNet：一种广义的拉曼光谱分析神经网络架构

    该研究介绍了一种综合机器学习和传统方法的新型神经网络，RamanNet，用于分析 Raman 光谱数据，并证明其在公共数据集上表现优异，有潜力成为 Raman 光谱数据分析的标准。

    Jan, 2022