机器学习革新光纤非线性动力学优化，秒级实现多目标智能调参 | Adv. Photon. Nexus

本文研究背景聚焦于光纤中超短脉冲非线性动力学优化传统依赖经验手动调参和数值仿真，效率低下。研究目的旨在提出结合深度强化学习与深度神经网络的新方法，实现多目标快速同步优化，提升光纤中孤子自频移和超连续谱等非线性过程的参数调节效率。研究结论表明，该方法将单次预测时间从数分钟缩短至1秒内，优化效率提升超百倍，且智能体具备优秀泛化能力，可扩展至更复杂光子系统的优化设计。