一种基于神经网络的光纤多芯耦合器特性分析方法与流程

技术特征：
1.一种基于神经网络的光纤多芯耦合器特性分析方法，所述方法包括下列步骤：步骤1：利用传统有限元仿真方法获得双芯光纤耦合器部分数据集；步骤2：构建合适的分类网络结构，对不同种类模式耦合进行分类处理；步骤3：在分类的基础上，构建合适的耦合器光学特性预测神经网络结构；步骤4：使用采集的数据集对分类网络和特性预测网络进行训练并保存模型；步骤5：使用测试集对分类网络模型和特性预测网络模型的性能进行测试；步骤6：保存最合适的分类和特性预测网络，用于快速准确评估耦合器光学性能。2.根据权利要求1中所述的基于神经网络的光纤耦合器特性分析方法，其特征在于：在步骤1中，所述双芯光纤耦合器基底材料为纯二氧化硅，纤芯部分由两个半径分别为r1、r2，折射率分别为n1、n2的纤芯构成，两个纤芯之间的距离为d，通过改变结构参数，可以实现光纤基模到不同种类高阶模式之间的转换。3.根据权利要求1中所述的基于神经网络的光纤耦合器特性分析方法，其特征在于：在步骤2中，构建分类网络的过程中，对发生耦合的几类光纤模型和不发生耦合的几类光纤模型进行分类，以分类的准确率作为评判标准。4.根据权利要求1中所述的基于神经网络的光纤耦合器特性分析方法，其特征在于：在步骤3中，构建预测网络的过程中，对发生耦合的几类光纤模型的光学特性进行预测，包括：耦合系数、耦合波长、耦合长度和耦合带宽，损失函数综合了以上4个特性。

技术总结
本发明针对传统光纤结构计算分析方法存在的低效率、高成本等问题，提出了一种高效精准的基于神经网络的光纤多芯耦合器特性分析方法。本发明采用训练好的分类网络和特性预测网络对光纤多芯耦合器的光学特性进行预测研究。该方法可以根据不同光纤结构参数快速精准高效地预测计算对应的耦合器光学参数，包括耦合系数、工作波长、耦合带宽等。该技术方案同样适用于其他光学结构特性的预测。适用于其他光学结构特性的预测。适用于其他光学结构特性的预测。


技术研发人员：黄薇 范俊杰 宋彬彬 陈胜勇
受保护的技术使用者：天津理工大学
技术研发日：2021.12.13
技术公布日：2022/3/15