24、基于机器学习的少模光纤逆向设计技术

基于机器学习的少模光纤逆向设计技术

在光纤设计领域，逆向设计方法相较于正向设计具有更高的可复用性。有研究已将基于神经网络（NN）的机器学习（ML）过程应用于少模光纤（FMF）的逆向设计中，实现了阶跃折射率少模光纤的弱耦合优化，以及对特定环数光纤的模式引导和参数优化。这种基于ML的逆向建模方法精确、快速且可复用，能准确映射输入输出，加快设计过程，还可进一步优化如损耗、色散等参数。

1. 提出的少模光纤（FMF）结构

本文提出了用于少模操作的三角芯折射率剖面结构，即三角芯少模光纤（T - FMF）。通过ML逆向过程预测该光纤的剖面参数，其剖面参数范围的选择基于T - FMF的色散参数变化。这种光纤剖面可作为色散位移光纤（DSF），在1550nm的LP01模式下具有近乎零的色散斜率。

1.1 T - FMF结构

T - FMF是一种特殊的渐变折射率芯光纤，包层中有高折射率环，属于W型光纤结构。其特殊用途是使波导色散参数$D_{wg}(\lambda)$在1550nm处更负，以补偿材料色散参数$D_{mat}(\lambda)$，从而在该波长处实现零色散。

T - FMF的芯类似渐变折射率剖面，指数指数（α）固定为1以实现三角形剖面。其剖面公式如下：
[
n(r) =
\begin{cases}
[n_1(1 - 2\Delta_1(\frac{r}{a})^{\alpha})]^{\frac{1}{2}} & r \leq a_1 \
[n_1(1 - 2\Delta_1)]^{\frac{1}{2}} \approx n_2 & a_1 \leq r \leq a_2 \te