无源光纤环形谐振器内光场状态智能分类研究

来源：激光技术杂志2026年第1期北京时间：

作者：顾琰恺, 臧裕斌, 朱润徽, 王有为, 周瑞, 张祖兴

摘要：为了解决无源光纤环形谐振器动力学仿真中传统数值方法计算效率低的问题，采用一种基于动态投票机制的混合机器学习模型，通过融合梯度提升决策树（GBDT）、支持向量机（SVM）和人工神经网络（ANN）实现谐振器内光场状态的快速准确分类。基于训练集分别训练GBDT、SVM和ANN模型，并通过动态加权投票，以多数表决或基于类别准确率的权重择优机制确定最终输出。结果表明，模型在噪声态、图灵态、混沌态、单孤子态和多孤子态的分类准确率分别达到77%、95%、97%、86%和85%；相比随机森林，后两类准确率提升超过12%，且计算效率较传统Lugiato-Lefever方程提升万倍以上。该方法不仅解决了传统数值方法的效率问题，还通过多模型协同优化实现了相比单一模型更稳健的分类性能，为智能算法替代复杂数值仿真、推动非线性光子学智能化发展提供了新思路。

关键词：光纤光学, 无源光纤谐振器, 机器学习, 人工神经网络, 分类识别