Wetenschap
Evolutie van optisch vermogen in glasvezelnetwerken:nieuw raamwerk voor betere modellering en controle
Met de opkomst van internetdiensten zoals door AI gegenereerde inhoud en virtual reality is de vraag naar mondiale capaciteit enorm toegenomen, waardoor de druk op glasvezelcommunicatiesystemen aanzienlijk is toegenomen. Om deze stijging aan te pakken en de operationele kosten te verlagen, worden er inspanningen geleverd om autonoom rijdende optische netwerken (ADON's) met zeer efficiënte netwerkoperaties te ontwikkelen.
Een van de belangrijkste taken van een ADON is het accuraat modelleren en controleren van de optische vermogensevolutie (OPE) over glasvezelverbindingen, aangezien dit het niveau van de verstoringsruis en de kwaliteit van de signaaloverdracht bepaalt.
In glasvezelcommunicatiesystemen evolueert het optische vermogen van signalen over de vezel en varieert over verschillende golflengten, wat een complex fysiek proces oplevert, vooral voor multibandsystemen met ernstige Kerr-niet-lineariteit en interchannel gestimuleerde Raman-verstrooiing.
In multiband-ADON's wordt OPE voornamelijk beïnvloed door vezelvoortplantings- en versterkingsprocessen. De belangrijkste uitdaging bij het modelleren en besturen van OPE ligt met name in optische versterkers (OA's). Datagedreven benaderingen kunnen een hoge nauwkeurigheid bereiken. Traditionele datagestuurde methoden, vooral neurale netwerken (NN's), vereisen echter uitgebreide gegevens om nauwkeurige digitale tweelingmodellen te construeren, wat tot aanzienlijke meetkosten leidt.
Hoewel sommige benaderingen de vereiste metingen kunnen minimaliseren door middel van technieken als het overbrengen van leren of het integreren van fysieke kennis, heeft het perspectief van gegevensselectie weinig aandacht gekregen.
Onlangs hebben onderzoekers van de Shanghai Jiao Tong University (SJTU), Shanghai, China, een Bayesiaans inferentieraamwerk (BIF) voorgesteld om de evolutie van het optische vermogen in glasvezelcommunicatiesystemen efficiënt te modelleren en te controleren.
Hun onderzoek wordt gerapporteerd in Advanced Photonics in een artikel met de titel "Digital twin modellering en controle van de evolutie van optische energie die autonoom rijdende optische netwerken mogelijk maken:een Bayesiaanse benadering."
Gebruikmakend van de Bayesiaanse theorie selecteert het BIF de volgende te meten spectrum/OA-configuratie door zowel de prestatieschatting als de onzekerheidsanalyse. Deze aanpak maakt gelijktijdige exploitatie en verkenning van een dataruimte mogelijk om de meest geschikte kandidaten te identificeren, waardoor de vereiste datagrootte wordt verminderd.
De onderzoekers voerden uitgebreide experimenten en simulaties uit in C+L-band glasvezeltransmissiesystemen om de OPE te modelleren en te besturen met heterogene OA's, waaronder een erbium-gedoteerde vezelversterker (EDFA) en een Raman-versterker (RA).
Vergeleken met de op NN gebaseerde modelleringsmethoden die willekeurig verzamelde gegevens gebruiken, kan het voorgestelde BIF de gegevens die nodig zijn voor modellering met meer dan 80% verminderen met een EDFA, en met meer dan 60% met een RA. Wat de controle betreft, werden iteratieve aanpassingen van signaalspectra en pompconfiguraties uitgevoerd, waardoor willekeurige doelversterkings-/vermogensspectra binnen minder dan 30 iteraties werden bereikt.
Dit werk biedt een efficiënte aanpak om gegevens te selecteren voor sequentiële metingen. De gemeten gegevens kunnen onmiddellijk worden geleerd om de volgende ronde van gegevensverzameling en -optimalisatie te begeleiden, waardoor gegevensefficiënte modellering en controle voor OPE wordt bereikt. Bovendien laat de probabilistische analyse van het voorgestelde raamwerk potentieel zien in betrouwbaarheidsanalyse voor netwerkoperaties, wat van cruciaal belang is voor ADON.
Volgens corresponderend auteur prof. Qunbi Zhuge van SJTU:"Het voorgestelde raamwerk kan een veelbelovend technisch pad zijn voor het realiseren van datagestuurde ADON in toekomstige optische netwerken."