[发明专利]一种基于机器学习的光频梳性能分析方法及系统

说明书

一种基于机器学习的光频梳性能分析方法及系统，包括以下步骤：步骤1，通过仿真软件对微环谐振腔平台的波导类型建模仿真，并将仿真的二维数据导出备用；步骤2，在上阶段模拟得到的仿真结果的数据基础上计算高阶色散系数，在色散数据中输入对应的色散值，得到理想的光频梳光谱；步骤3，将上一阶段得到的数据，通过建立神经网络模型训练，对模型预测性能进行评估，实现整个GUI界面的具体分布和排版。本发明专利将硅基微环谐振腔产生光频梳的性能参数利用机器学习的方法进行分析，突破了传统方法的时耗性和局限性。仿真过程耗费更少的时间，整个过程前期只需一次工作量较大的数据完全准备，利用数据并训练好模型后，只需一键便可得到结果，从而大大减少了工作量，提高了工作效率。

技术领域

本发明属于光子学与人工智能技术交叉领域，特别涉及一种基于机器学习的光频梳性能分析方法及系统。

背景技术

近年来，基于级联四波混频效应的硅基微环谐振腔光频梳的产生技术在有了很大的发展和突破，并在各个领域具有广泛的应用前景。在硅基微环谐振腔光频梳的产生过程中，研究的重点多在于泵浦参数对产生光频梳的性能影响，而对光频梳的优化需要利用改良的Lugiato-Lefever equation(LLE)模型对四波混频效应进行数值模拟。在实验室工作中如果针对不同的波导和微环谐振腔参数产生光频梳，制备不同的结构显然不符合实际，因此如何高效的进行技术仿真模拟就成为了新的技术目标，一定程度上也可以节省时间成本和工艺成本。在数值模拟的过程中，需要大量的参数调整和变换，而每次变换都需要一次模拟工作，并且对模拟结果要进行记录分析，如若可以利用机器学习的方法在前期根据已有数据建立模型后，可以实现根据具体泵浦参数直接输出频梳参数结果的需求，该方法将进一步减少了模拟光频梳产生及性能分析所需要的时间。

发明内容

本发明的目的在于提供一种基于机器学习的光频梳性能分析方法及系统，以解决上述问题。

为实现上述目的，本发明采用以下技术方案：

一种基于机器学习的光频梳性能分析方法，包括以下步骤：

步骤1，通过仿真软件对硅基微环谐振腔平台的波导进行建模仿真，并将仿真的二维数据导出备用；

步骤2，在上阶段模拟得到的仿真结果数据基础上计算高阶色散数据，在模拟光频梳产生过程中输入泵浦条件对应的色散值，得到理想的光频梳光谱；

步骤3，将上一阶段得到的数据整理为输入参数列在前，输出参数列在后的训练数据和检测数据，通过建立神经网络模型对数据集进行训练，训练好的模型将用未包含在训练数据中的数据进行预测，并对模型预测性能进行评估，实现整个GUI界面的具体分布和排版。

进一步地，步骤1中具体为：

结构建模方法得到验证后更准确地得到本专利所需结构的仿真结果，该过程包含波导模场分布，色散曲线的计算和方法验证工作；

使用波导截面为脊型的硅基微环谐振腔结构，在微米量级调整截面参数，通过有限元分析法得到对应泵浦波长处的模场分布，进一步利用Sellmeier公式计算获得色散曲线，针对不同结构参数下得到的色散曲线，选取平坦度较好同时使零色散波长点落在3.5μm曲线对应的设计参数，实现波导结构的参数优化；

在得到硅基微环谐振腔结构的有效折射率的基础上，分别绘制传播常数与波长、有效折射率与波长的曲线图，并将对应的二维数据导出备用。

进一步地，步骤1中仿真软件为多物理场仿真软件COMSOL Multiphysic。

进一步地，步骤2中计算高阶色散系数：

利用MATLAB程序软件，依据高阶色散系数与波长的关系，在上阶段模拟得到的仿真结果的数据基础上计算高阶色散系数，并得到高阶色散与波长的关系曲线图，将计算得到的数值进行整理。

进一步地，步骤2中光频梳光谱具体为：