Geração de pentes de frequência ópticos programáveis via design inverso e deep learning.

• Autor(a) principal: LIMA, Fernando Ferreira de.
• Data de Publicação: 2024
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/37306
• topic: Pentes de Frequência Óptica (OFCs); Design Inverso; Redes Neurais de Aprendizado Profundo; Pentes Eletro-Ópticos (EOCs); Design de Parâmetros; Optical Frequency Combs (OFCs); Inverse Design; Deep Learning Neural Networks; Electro-Optical Combs (EOC); Parameter Design; Engenharia Elétrica

Os pentes de frequência óptica (OFC) são conjuntos discretos de portadoras de onda contínua periodicamente espaçadas em frequência que têm importantes aplicações em medição, comunicação, espectroscopia e outros campos. Geralmente, os OFCs precisam ser projetados de acordo com diferentes aplicações. No entanto, os métodos existentes para projetar os parâmetros operacionais dos geradores de OFC, como aqueles baseados em algoritmos de otimização, são demorados, ineficientes e difíceis de alcançar resultados ótimos. Neste trabalho, é experimentado o método de design inverso (Inverse Design) de OFC utilizando redes neurais de aprendizado profundo (Deep Learning Neural Networks), que produz resultados em tempo hábil comparado a métodos convencionais e ainda pode melhorar o desempenho do OFC gerado. Nesse método, de acordo com o OFC alvo requerido, a rede neural treinada pode ser usada para projetar inversamente os parâmetros correspondentes. O método é aplicado a dois casos de geradores de OFC baseados em cascatas de moduladores eletro-ópticos (Eletro-Optical Combs - EOC) com um único sinal de controle. As redes neurais treinadas são testadas sob as mesmas condições e comparadas entre si. O método implementado pode ser estendido para geradores de OFC mais complexos, sendo uma ferramenta promissora para o design eficiente de OFCs.