激光光源的研究已经成为一个重要的光学物理研究领域,其中半导体激光器因其独特的特性引起了研究者们的广泛关注。并且半导体激光器特性的研究正处于蓬勃发展中,尤其是半导体激光器的非线性动力学问题一直以来备受瞩目,例如,各种半导体激光器已经显示出了多种多样的动力学行为,常见的包括稳态、周期、倍周期、以及混沌状态。对于更多的半导体激光器来说,丰富的动力学行为对其本身的发展具有相当重要的意义,探索与控制半导体激光器在特定环境下丰富的动力学行为正是当前研究领域中一个非常重要的热点话题。与此同时,基于半导体激光器的各种扩展模型逐渐出现,这些在孤子半导体激光器基础上的进一步研究充分地展现出了半导体激光器在实际操作中的应用潜力。并且,当前在基于半导体激光器的研究内容上仍然提出了许多有趣的话题,因此关于半导体激光器的讨论始终在持续。与传统的分布式反馈半导体激光器（Distributed Feedback Laser,DFB）和边发射半导体激光器（Edge-emitting Semiconductor Laser,EEL）相比,垂直腔面发射激光器（Vertical-cavity Surface-emitting Laser,VCSEL）具有更多优越的性能,例如低阈值电流、低阈值电压、高功率输出、低损耗和高转化效率等。与此同时,得益于自旋电子学的快速发展,将VCSEL与自旋电子学领域相结合,获得了一种特殊的设计部件,也就是自旋VCSEL,这种特殊的设计方案能够通过控制自旋极化电子注入实现输出光的偏振调节,即使在没有外部扰动的情况下也能提供高质量、更快的偏振动力学输出。目前,自旋VCSEL根据有源区材料的不同,可分为量子阱（Quantum Well,QW）自旋VCSEL和量子点（Quantum Dot,QD）自旋VCSEL,而本文在单个量子点自旋VCSEL的基础上提出了基于两个量子点自旋VCSELs的互耦量子点自旋VCSELs模型,并将该模型方案扩展到光学神经网络领域,成功构建了基于互耦量子点自旋VCSELs的光学储备池计算系统,由此展开对基于互耦量子点自旋VCSELs的动力学行为及其储备池计算研究。基于孤子量子点自旋VCSEL模型,本文提出了互相耦合的光泵浦量子点自旋VCSELs扩展模型,使用圆偏振光作为驱动源,借助于修改的自旋反转模型（SpinFlip Model,SFM）,提出了该互耦模型的速率方程。与传统的孤子量子点自旋VCSEL模型相比,本文使用分岔分析的思想,系统地研究了关键参数对该模型输出动力学行为的影响,在多种双参数二维平面下,产生了大量的分岔映射图,直观地显示了多个不同的颜色区域,这些具有明显区别的颜色区域对应于在特定参数条件下所提出模型的动力学行为状态,而这些动力学状态同时揭示了该模型内部更丰富的动力学机制。并且,通过引入互相耦合方案,详细的直接数值模拟准确地揭示了模型动力学行为对外部参数和内部参数的依赖性。结果表明,互相耦合强度和延迟时间对复杂动力学振荡的增强作用显著。此外,载流子捕获率、标准化增益系数、线宽增强因子和频率失谐对量子点自旋VCSEL的动力学行为演化的决定性影响在光泵浦强度和极化率平面下也得到了明显的体现。通过对与外部参数和内部参数相关动力学行为的综合性研究,为调节甚至控制当前模型所表现的动力学机制提供了现实参考与理论依据。因此,所涉及的工作对推动基于量子点激光器扩展领域的深入研究具有启发性和前瞻性。受到人工智能神经网络的启发,作为一种源于循环神经网络（Recurrent Neural Network,RNN）的脑启发信息处理技术,储备池计算（Reservoir Computing,RC）已成为一种典型的贡献。本文将互耦量子点自旋VCSELs模型扩展到光学神经网络领域,成功构建了基于互耦量子点自旋VCSELs的光学储备池计算系统,利用Santa-Fe混沌时间序列预测任务来定量评价所提出系统的预测性能,利用数值仿真方法在不同的二维平面中系统且完备地揭示了光泵浦强度、光泵浦极化率、互耦合强度、外部信号注入强度和外部信号注入频率失谐对预测性能的影响。结果显示,更小的光泵浦强度、更小的互耦强度、更大的外部注入强度和负的外部信号注入频率失谐有助于获得更好的预测性能。此外,考虑预测性能和数据处理速率之间的权衡,在满足预测性能要求的条件下,能够通过灵活调整RC系统的时间尺度来实现数据处理速率的转换,甚至数据处理速率最高可达50 Gbps,因此该应用研究不仅扩展了量子点自旋VCSEL的应用领域,更为未来高速数据处理和神经计算形态提供了一个有前途的方式。