刘奇 李璞2)3)† 开超 胡春强 蔡强 张建国 徐兵杰

1) (太原理工大学, 新型传感器与智能控制教育部重点实验室, 太原 030024)

2) (广东工业大学信息工程学院, 广州 510006)

3) (广东省光子学信息技术重点实验室, 广州 510006)

4) (中国电子科技集团公司第三十研究所, 成都 610041)

5) (西南通信研究所, 保密通信重点实验室, 成都 610041)

提出并证明了一种利用时延光子储备池计算短期预测混沌激光的时间序列.具体来说, 建立基于光反馈和光注入半导体激光器的储备池结构, 通过选择合适的系统参数, 时延光子储备池计算可以有效地预测混沌激光约2 ns的动态轨迹.此外, 研究了系统参数对预测结果的影响, 包括掩模类型、虚拟节点数、训练数据长度、输入增益、反馈强度、注入强度、岭参数和泄漏率.作为一种具有全光实现潜力的机器学习方法, 时延光子储备池具有结构简单、训练成本低、易于硬件实现等优点.

1 引 言

预测混沌激光具有广阔的应用前景, 如丢失数据恢复、数据分析、基于激光混沌同步密码学中数据加密的安全性测试[1,2].

近期, Amil等[1]使用多种机器学习算法预测即将激射的混沌激光脉冲振幅, 所使用的算法包括神经网络、最近邻、支持向量机和储备池计算(reservoir computing, RC).文中采用多种预测方法作为目标函数, 输入一定数量的激光峰值振幅,输出下一个激光峰值振幅, 而不是连续的激光时序.Cunillera等[2]通过建立基于RC的交叉预测模型, 预测光注入半导体激光器的混沌动力学.利用交叉预测模型实现……