机器学习预测多折射率层有源光纤的模场特性

高功率光纤激光是当前我国激光科学技术领域的前沿热点,而稀土掺杂的有源光纤是高功率光纤激光器的核心器件。与常规有源光纤不同,多折射率层有源光纤的纤芯和包层之间增加了一个或多个辅助折射率层,展现出了特殊的模场特性,有望进一步提升高功率光纤激光的输出功率。利用传统方法分析不同结构参数下多折射率层有源光纤的模场特性时,通常需要耗费较长的时间求解麦克斯韦方程组。笔者首次引入机器学习算法来预测多折射率层有源光纤的模场特性。该方法仅需要数据空间中0.1%的样本,就可以学习多折射率层有源光纤结构参数与其模场特性之间的复杂映射关系,进而实现无须求解麦克斯韦方程组的快速精准预测。该方法的平均预测误差小于0.6%,预测速度相比传统方法提升了约7000倍,为多折射率层有源光纤的模场特性分析提供了新思路。