Med fremkomsten af internettjenester såsom AI-genereret indhold og virtual reality er efterspørgslen efter global kapacitet steget, hvilket markant intensiverer presset på fiberoptiske kommunikationssystemer. For at imødegå denne stigning og reducere driftsomkostningerne er der bestræbelser på at udvikle autonome optiske netværk (ADON'er) med højeffektive netværksoperationer.
En af de vigtigste opgaver for en ADON er nøjagtigt at modellere og kontrollere den optiske effektudvikling (OPE) over fiberforbindelser, da den bestemmer niveauet af svækkelsesstøj og signaltransmissionskvalitet.
I fiberoptiske kommunikationssystemer udvikler den optiske effekt af signaler sig over fiberen og varierer på tværs af forskellige bølgelængder, hvilket præsenterer en kompleks fysisk proces, især for multibåndssystemer med alvorlig Kerr-ulinearitet og interkanalstimuleret Raman-spredning.
I multiband ADON'er er OPE hovedsageligt påvirket af fiberudbredelse og amplifikationsprocesser. Især ligger den primære udfordring i modellering og styring af OPE i optiske forstærkere (OA'er). Datadrevne tilgange er i stand til at opnå høj nøjagtighed. Men traditionelle datadrevne metoder, især neurale netværk (NN'er), kræver omfattende data for at konstruere nøjagtige digitale tvillingemodeller, hvilket fører til betydelige måleomkostninger.
Mens nogle tilgange kan minimere nødvendige målinger gennem teknikker som overførselslæring eller integration af fysisk viden, har perspektivet for dataudvælgelse fået ringe opmærksomhed.
For nylig foreslog forskere fra Shanghai Jiao Tong University (SJTU), Shanghai, Kina, en Bayesiansk inferensramme (BIF) til effektivt at modellere og kontrollere den optiske effektudvikling i fiberoptiske kommunikationssystemer.
Deres forskning er rapporteret i Advanced Photonics i et papir med titlen "Digital tvillingemodellering og styring af optisk strømudvikling, der muliggør autonomt kørende optiske netværk:en Bayesiansk tilgang."
Ved at udnytte Bayesiansk teori vælger BIF den næste spektrum/OA-konfiguration, der skal måles, ved både præstationsestimat og usikkerhedsanalyse. Denne tilgang muliggør samtidig udnyttelse og udforskning af et datarum for at identificere de bedst egnede kandidater og dermed reducere den nødvendige datastørrelse.
Forskerne udførte omfattende eksperimenter og simuleringer i C+L-bånd fiberoptiske transmissionssystemer for at modellere og kontrollere OPE med heterogene OA'er, herunder en erbium-doteret fiberforstærker (EDFA) og en Raman forstærker (RA).
Sammenlignet med de NN-baserede modelleringsmetoder, der anvender tilfældigt indsamlede data, kan den foreslåede BIF reducere de nødvendige data til modellering med over 80 % med en EDFA og med over 60 % med en RA. Med hensyn til kontrol blev iterative justeringer af signalspektre og pumpekonfigurationer udført, hvilket opnåede vilkårlige målforstærknings-/effektspektre inden for mindre end 30 iterationer.
Dette arbejde giver en effektiv tilgang til at udvælge data til måling på en sekventiel måde. De målte data kan læres med det samme for at guide den næste runde af dataindsamling og optimering og dermed opnå dataeffektiv modellering og styring til OPE. Derudover viser den probabilistiske analyse af den foreslåede ramme et potentiale i pålidelighedsanalyse for netværksoperationer, hvilket er af afgørende betydning for ADON.
Ifølge den tilsvarende forfatter Prof. Qunbi Zhuge fra SJTU, "Den foreslåede ramme kan være en lovende teknisk vej til at realisere datadrevet ADON i fremtidige optiske netværk."
Flere oplysninger: Xiaomin Liu et al., Digital tvillingmodellering og styring af optisk strømudvikling, der muliggør optiske netværk med autonomt kørende:en Bayesiansk tilgang, Avanceret fotonik (2024). DOI:10.1117/1.AP.6.2.026006
Journaloplysninger: Avanceret fotonik
Leveret af SPIE
Sidste artikelNy metode afslører mysteriet med langsomme elektroner
Næste artikelSpektralt bevis fundet for Dirac-spinoner i en kagomegitter-antiferromagnet