有望なネスト型反共振ノードレスファイバ（NANF）設計を識別する機械学習モデル

要約: 中空芯ファイバーは、固体芯ファイバーの代替品と比較して損失および遅延特性が優れていますが、ネストされたアンチレゾナンス・ノードレスファイバー（NANF）の幾何学的な複雑さにより、伝統的な最適化は計算上非常に困難です。私たちは、最小限の訓練データを用いて高性能なNANF設計を識別するよう設計された高効率な二段階機械学習フレームワークを提案します。モデルはニューラルネットワーク（NN）分類器を用いて単一モード設計を抽出することをフィルタリングし、続いて閉じ込め損失（CL）を予測する回帰器を用います（抑制比 \ge 50 dB）。損失の常用対数で訓練することにより、回帰器は高ダイナミックレンジの課題を克服します。わずか1,819設計からなるまばらなデータセットを用いて、全てCLが1 dB/km以上である設計のうち、モデルは0.25 dB/kmの確認済みCLを持つ最適化設計を識別することに成功しました。{これはNN が基礎的な物理挙動を捉え、より低い CL の領域へ外挿できることを示しています。小規模なデータセットは、安定した高精度の性能予測に十分であることを示しており、最大 14e6 件にも及ぶ設計空間の探索を有限要素法と比較してごく微小な計算コストで可能にします。}