摘要：【目的】三阶拉曼放大器是目前长距离无中继传输中的光放大前沿技术，与一阶和二阶拉曼放大器传输相比能实现更好的增益与噪声特性和更加复杂的传输过程。然而目前对三阶拉曼放大器的建模多基于拉曼功率耦合方程，其需要数值方法求解，计算相对复杂。运算量小的建模方法则基于数据驱动型机器学习，需要庞大的数据量，且泛化性差。为此需要新的建模方法，在保证模型精度的前提下提升运算速度。【方法】本文提出物理知识型神经网络的方案对三阶拉曼放大光传输系统进行建模。该方法能结合数值方法和数据驱动型机器学习的优点，将微分方程的求解转化为优化问题，通过将微分方程以及边界条件等约束作为损失函数，来实现神经网络的训练，使得模型兼顾计算的精度与复杂度。【结果】本文搭建了一个120 km的C波段47信道的三阶拉曼放大光纤传输系统，并分别使用数值方法和提出的内嵌物理知识型神经网络对系统进行功率预测，结果表明内嵌物理知识型神经网络预测的信号功率与传统的数值方法相差小于0.19 dB，预测的泵浦光功率几乎没有误差，而运算次数则有数量级的降低。【结论】内嵌物理知识型神经网络能准确预测三阶拉曼放大光传输系统中泵浦光与信号光的功率演化，且相比数值方法显著降低了计算复杂度。
文章目录
0 引言
1 三阶拉曼放大系统模型
1.1 三阶拉曼放大的数学模型
1.2 内嵌物理知识型神经网络
2 分析与讨论
3结束语
