本论文主要从不同光纤和不同模型出发,运用分数阶映射法、Hirota方法、分步傅里叶方法、伪谱法和深度学习方法,研究分数阶时间光孤子和矢量时间光孤子在光纤中的传输情况,为进一步实现超高速、大容量的光信息传输提供一定的理论依据。本文的主要研究内容如下:（1）考虑了一个具有分布系数的分数阶非线性薛定谔方程来描述皮秒脉冲在非均匀光纤系统中的传输。尽管许多分数阶孤子结构已经被研究,然而,基于分数阶非线性薛定谔方程的孤子分子报道很少。通过变系数分数映射法和Hirota法两种解析方法,得到了该模型的无啁啾、啁啾非行波解析解和多孤子近似解。给出了孤子分子的形成条件,讨论了周期性非均匀光纤和指数色散衰减光纤中特殊分数孤子、多孤子和孤子分子之间的动力学特性和相互作用。这些结果对全光开关、光放大器和锁模激光器的相关实验研究具有理论指导意义。（2）基于双折射光纤中耦合非线性薛定谔方程,首次采用改进的物理信息神经网络预测单孤子、双孤子和怪波光脉冲的动力学。该网络包括多个并行结构以满足求解耦合复函数偏微分方程。同时,对混合亮-暗孤子的弹性碰撞过程进行了预测。将预测结果与精确解进行比较,证明了改进的物理信息神经网络方法对求解耦合非线性薛定谔方程是有效的。这为我们利用深度学习方法研究光纤中孤子的动态特性提供了参考。此外,该研究对孤子波分复用,多信道光纤网络等具有重要理论价值。（3）首次将能量守恒定律引入到物理信息神经网络的损失函数中,构造了一种研究耦合非线性薛定谔方程的能量守恒深度学习方法。利用能量守恒深度学习方法分析了双折射光纤中矢量孤子的形成机理,预测了矢量孤子的动力学行为,包括单孤子、双孤子相互作用、孤子分子、怪波和非简并孤子。研究了孤子传输过程中的能量转换和功率守恒等相关物理过程。与物理信息神经网络方法相比,能量守恒深度学习方法具有更高的精度和良好的泛化能力,适用于各种孤子脉冲在光纤中的传播。因此,基于能量守恒的深度学习方法是推动非线性光学研究的有效工具。