Data-driven methods for analysing nonlinear propagation in optical fibres
Méthodes basées sur les données pour l'analyse de la propagation non linéaire dans les fibres optiques
Résumé
This thesis aims to apply machine learning methods specifically tailored to the analysis and interpretation of optical pulses as they propagate in a single pass through an optical fiber, and under a variety of conditions. In particular, we will focus on data-driven model discovery approaches that involve the use of machine learning to analyze physical system data with the aim of discovering interpretable and generalizable models and developing methods that can substantially accomplish and/or complement conventional theoretical analysis. To this end, both supervised and unsupervised learning methods will be used to deepen understanding of ultrafast nonlinear phenomena in fiber optics systems.
Cette thèse vise à appliquer et à développer les nouvelles méthodes d'apprentissage automatique spécialement adaptées à l'analyse et à l'interprétation des impulsions lors de leur propagation en un seul passage dans une fibre optique, et sous diverses conditions. En particulier, nous nous concentrerons sur les approches de découverte de modèles guidées par les données qui impliquent l'utilisation de l'apprentissage automatique pour analyser les données du système physique dans le but de découvrir les modèles interprétables et généralisables et de développer les méthodes qui peuvent substantiellement accomplir et/ou compléter l'analyse théorique conventionnelle. À cette fin, les méthodes d'apprentissage supervisé et non supervisé seront utilisées pour approfondir la compréhension des phénomènes non linéaires ultrarapides dans les systèmes de fibres optiques.
| Origine | Version validée par le jury (STAR) |
|---|