基于数据驱动的飞秒光孤子激发和参数发现：使用PINN方法研究高阶非线性薛定谔方程
摘要：使用物理信息神经网络解决高阶非线性Schr"odinger方程的飞秒光孤子解，包括单孤子解、双孤子解、流氓波解、W-孤子解和M-孤子解。单孤子、W-孤子和M-孤子的预测误差较小。随着预测距离的增加，预测误差会逐渐增大。利用流氓波解作为数据集研究高阶非线性Schr"odinger方程的未知物理参数。神经网络从神经网络的层数、神经元数和采样点三个方面进行优化。与以前的研究相比，我们的误差大大减小。这不是传统数值方法的替代品，但希望能开创新思路。
作者：Yin Fang, Gang-Zhou Wu, Yue-Yue Wang and Chao-Qing Dai
论文ID：2103.16297
分类：Pattern Formation and Solitons
分类简称：nlin.PS
提交时间：2021-03-31