Deep reinforcement learning algorithm for self-tuning 8-figure fiber laser

Alexey Kokhanovskiy, Evgeny Kuprikov, Kirill Serebrennikov, Sergey Turitsyn

Результат исследования: Публикации в книгах, отчётах, сборниках, трудах конференцийстатья в сборнике материалов конференциинаучнаярецензирование

Аннотация

Machine learning (ML) algorithms have already shown their efficiency for adjusting fiber-mode-locked lasers [1]. However, the performance of reinforcement (RL) learning algorithms required for robust application of ML methods in practical environment is yet to be verified in different laser systems [2]. Implementation of RL algoritms may reveal unknown strategies for adjusting complex laser systems since such algorithms consider intermidiate states of the system during the training process.

Язык оригиналаанглийский
Название основной публикации2021 Conference on Lasers and Electro-Optics Europe and European Quantum Electronics Conference, CLEO/Europe-EQEC 2021
ИздательInstitute of Electrical and Electronics Engineers Inc.
ISBN (электронное издание)9781665418768
DOI
СостояниеОпубликовано - июн 2021
Событие2021 Conference on Lasers and Electro-Optics Europe and European Quantum Electronics Conference, CLEO/Europe-EQEC 2021 - Munich, Германия
Продолжительность: 21 июн 202125 июн 2021

Серия публикаций

Название2021 Conference on Lasers and Electro-Optics Europe and European Quantum Electronics Conference, CLEO/Europe-EQEC 2021

Конференция

Конференция2021 Conference on Lasers and Electro-Optics Europe and European Quantum Electronics Conference, CLEO/Europe-EQEC 2021
СтранаГермания
ГородMunich
Период21.06.202125.06.2021

Предметные области OECD FOS+WOS

  • 1.03.UH ФИЗИКА, АТОМНАЯ, МОЛЕКУЛЯРНАЯ И ХИМИЧЕСКАЯ
  • 1.03.SY ОПТИКА

Fingerprint

Подробные сведения о темах исследования «Deep reinforcement learning algorithm for self-tuning 8-figure fiber laser». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать