Méthodes d'apprentissage automatique pour l'analyse des phénomènes non linéaires ultrarapides dans les systèmes à fibres optiques

Machine learning methods for analyzing ultrafast nonlinear phenomena in optical fiber systems

• Auteur / Autrice : Andrei Ermolaev
• Direction : John Michael Dudley
• Type : Projet de thèse
• Discipline(s) : Optique et photonique
• Date : Inscription en doctorat le 01/10/2021
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : FEMTO-ST Franche Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies
• Partenaire(s) de recherche : Equipe de recherche : Département d'Optique

Mots clés

Mots clés libres

Laser

Optique non linéaire

Apprentissage profond

Nonlinear optics

Deep learning

Laser

Résumé

L'objectif de cette thèse est d'appliquer des techniques d'apprentissage automatique (machine learning) afin de comprendre et d'exploiter la propagation non linéaire dans les systèmes optiques afin de développer des sources de lumière programmables. En particulier, l'objectif sera de se concentrer sur les sources laser ultrarapides produisant des impulsions picosecondes et femtosecondes, et de développer des approches d'apprentissage profond (réseau neuronal) pour aider à la fois à la conception globale des sources laser elles-mêmes, ainsi que pour optimiser la génération et la propagation de ces impulsions dans la fibre optique non linéaire. Un objectif numérique et théorique parallèle consiste à utiliser des techniques d'apprentissage profond pour déterminer les modèles d'équation de propagation sous-jacents à partir de l'analyse des données expérimentales.

The objective of this thesis is to apply techniques of machine learning to understand and exploit nonlinear propagation in optical systems to develop customized and programmable light sources. In particular, the aim will be to focus on ultrafast laser sources producing picosecond and femtosecond pulses, and to develop deep learning (neural network) approaches to both aid in the overall design of the laser sources themselves, as well as to optimize the generation and propagation of these pulses in nonlinear optical fibre. A parallel numerical and theoretical objective is to use deep learning techniques to determine underlying propagation equation models from analysis only of experimental data.