买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院软件研究所申请的专利一种基于机器学习的耗散孤子共振激光器逆向设计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119989557B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411925986.3，技术领域涉及：G06F30/17；该发明授权一种基于机器学习的耗散孤子共振激光器逆向设计方法是由李婧;徐帆江;段磊;唐熊忻;谭姝丹设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本一种基于机器学习的耗散孤子共振激光器逆向设计方法在说明书摘要公布了：本发明公开了一种基于机器学习的耗散孤子共振激光器逆向设计方法，其方法为：1建立两组关联数据集，分别用于训练SVM和BP神经网络，SVM用于预测耗散孤子共振脉冲收敛性，BP神经网络用于预测激光器输出时域和光谱波形；2初始化PSO算法粒子群，每个粒子的位置参数对应一组随机的激光腔体参数，预先输入SVM模型筛选出满足收敛条件的粒子并重新作为初始粒子群；3迭代更新粒子位置信息并输入BP神经网络，预测脉冲时域和光谱波形信息；当预测波形与设定目标波形的均方误差低于设定值时，输出一组最优激光腔体参数，实现激光器逆向设计。本发明有效解决了低绝对值净腔色散条件下耗散孤子共振光纤激光器设计难的问题。

本发明授权一种基于机器学习的耗散孤子共振激光器逆向设计方法在权利要求书中公布了：1.一种基于机器学习的耗散孤子共振激光器逆向设计方法，其步骤包括： 1建立关联数据集，所述关联数据集包括：1激光腔体参数与其对应的耗散孤子共振脉冲收敛性标签的第一关联数据集；2收敛条件下，激光腔体参数与脉冲时域和光谱波形信息的第二关联数据集； 2利用所述第一关联数据集的样本训练SVM模型，得到可预测耗散孤子共振脉冲收敛性的分类模型，用于预先判断激光器是否收敛到稳定的耗散孤子共振脉冲状态； 3利用所述第二关联数据集中的样本训练BP神经网络，得到能够映射激光腔体参数与脉冲时域和光谱波形的BP神经网络； 4初始化PSO算法中的粒子群，将每个粒子的位置参数设为一组随机的激光腔体参数，并将其输入步骤2训练得到的分类模型预测输出对应的脉冲收敛性，筛选出满足收敛条件的粒子重新作为优化算法的初始粒子群； 5利用PSO优化算法对粒子群进行全局优化，迭代调整更新激光腔体参数，并将更新后的每组激光腔体参数依次输入步骤3训练后的BP神经网络，输出预测的脉冲波形信息；当BP神经网络预测输出的脉冲波形与设定的目标脉冲波形满足预设条件时， 停止迭代并输出一组最优的激光腔体参数； 6根据步骤5所得一组最优的激光腔体参数设计耗散孤子光纤激光器。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院软件研究所，其通讯地址为：100190 北京市海淀区中关村南四街4号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。