基于残差连接双向长短期记忆网络的应力与偏振角可调谐激光脉冲特性预测研究

本文推荐一种结合残差连接的双向长短期记忆网络（res_BiLSTM RNN）模型，用于快速预测光纤激光器中应力与偏振角调控下的脉冲演化特性。该模型计算效率较传统数值模拟提升两个数量级，预测结果与实验数据高度吻合，为可调谐激光器设计提供了实时监测新方案，在非线性光学与光子学领域具有广泛应用潜力。

　　

Highlight

本研究提出了一种结合双向长短期记忆网络（BiLSTM）与残差连接（res_BiLSTM RNN）的创新模型，用于无建模预测光纤激光器中应力与偏振角对脉冲传输特性的调控机制。该方案在保持21%精度提升的同时，计算效率较传统数值方法提高100倍，为复杂非线性光学系统的实时监测提供了新范式。

The prediction of ultra-short pulses under the action of the stress tuning

图2(a)展示了微纤维应力调谐过程：通过弯曲敏感区形成不同曲率弧线，结合角度测量仪量化弯曲角δ。神经网络成功预测了应力在0°-180°范围内调控时，脉冲宽度从1.2 ps到3.8 ps的演化规律，光谱特征与数值模拟结果误差小于5%。值得注意的是，当δ>150°时模型仍能准确捕捉脉冲分裂现象，证实其对极端参数的泛化能力。

Prediction by the neutral network in the presence of random noise

在训练集中加入1%-10%高斯噪声的测试表明，res_BiLSTM RNN对噪声干扰具有显著鲁棒性。即使在10%噪声强度下，时域脉冲波形与光谱特征的预测均方根误差（RMSE）仍低于8%，且噪声导致的谱峰偏移量控制在0.5 nm以内。这种抗干扰特性使其适用于存在环境振动的实际工业场景。

Conclusions

通过将BiLSTM网络与多层稠密残差连接相结合，我们建立的res_BiLSTM RNN模型实现了对光纤激光器脉冲特性的高精度控制预测。该技术不仅为可调谐激光器设计提供指导，其处理长程非线性依赖的能力还可拓展至超连续谱生成等复杂光子学过程研究。