عنوان	یادگیری ماشین برای پیش بینی جواب سالیتونی در مخابرات فیبر نوری
نوع پژوهش	مقاله ارائه شده
کلیدواژه‌ها	یادگیری ماشین، سالیتونهای نوری، فیبر سلیکایی، معادله دیفرانسیل غیرخطی شرودینگر مرتبه پنجم، تابع فعال‌سازی
چکیده	در این مقاله، از روش شبکه عصبی مبتنی بر اطلاعات داده‌شده فیزیکی (PINN) برای حل معادله شرودینگر غیرخطی مرتبه پنجم (CQNLSE) که حاکم بر انتشار امواج سالیتون در فیبر نوری سیلیکایی است، استفاده شده است. این معادله رفتار امواج نوری در فیبرهای نوری را توصیف می‌کند، که به دلیل ویژگی‌های پهنای باند بالا و تلفات کم، در ارتباطات نوری بسیار اهمیت دارند. داده‌های آموزشی شامل 700 نقطه تصادفی با تابع فعال‌سازی Tanh و دو لایه مخفی با 50 نورون بود. مدل دقت بالایی با خطای نسبی L_2 برابر 1.0×10^(-5) و تابع ضرر کمتر از 10^(-4) پس از 2000 تکرار نشان داد. خطاهای آموزش شامل MSE داخلی 1.66×10^(-5)، شرایط اولیه 6.35×10^(-6) و شرایط مرزی 1.33×10^(-7) بود. نتایج نشان‌دهنده کارایی و دقت بالای PINN در مدل‌سازی مسائل غیرخطی است.
پژوهشگران	علیرضا عبدی کیان (نفر سوم)، هستی عبدالرسولی (نفر اول)، فاطمه میرزایی بابلقانی (نفر دوم)