Med framväxten av internettjänster som AI-genererat innehåll och virtuell verklighet har efterfrågan på global kapacitet ökat, vilket avsevärt intensifierar trycket på fiberoptiska kommunikationssystem. För att möta denna ökning och minska driftskostnaderna pågår ansträngningar för att utveckla autonoma optiska nätverk (ADON) med högeffektiv nätverksdrift.
En av de viktigaste uppgifterna för en ADON är att noggrant modellera och kontrollera den optiska effektutvecklingen (OPE) över fiberlänkar, eftersom den bestämmer nivån på störningsbrus och signalöverföringskvalitet.
I fiberoptiska kommunikationssystem utvecklas signalernas optiska kraft över fibern och varierar över olika våglängder, vilket ger en komplex fysisk process, speciellt för flerbandssystem med allvarlig Kerr-olinjäritet och interkanalstimulerad Raman-spridning.
I multiband ADONs påverkas OPE huvudsakligen av fiberutbredning och förstärkningsprocesser. I synnerhet ligger den primära utmaningen vid modellering och styrning av OPE i optiska förstärkare (OA). Datadrivna tillvägagångssätt kan uppnå hög noggrannhet. Men traditionella datadrivna metoder, särskilt neurala nätverk (NN), kräver omfattande data för att konstruera exakta digitala tvillingmodeller, vilket leder till betydande mätkostnader.
Även om vissa tillvägagångssätt kan minimera nödvändiga mätningar genom tekniker som överföringsinlärning eller integrering av fysisk kunskap, har perspektivet för dataurval fått ringa uppmärksamhet.
Nyligen föreslog forskare från Shanghai Jiao Tong University (SJTU), Shanghai, Kina, ett Bayesian inference framework (BIF) för att effektivt modellera och kontrollera den optiska effektutvecklingen i fiberoptiska kommunikationssystem.
Deras forskning rapporteras i Advanced Photonics i en artikel med titeln "Digital tvillingmodellering och styrning av optisk kraftutveckling som möjliggör autonomt drivande optiska nätverk:en Bayesian approach."
Med hjälp av Bayesiansk teori väljer BIF nästa spektrum/OA-konfiguration som ska mätas genom både prestandauppskattning och osäkerhetsanalys. Detta tillvägagångssätt möjliggör samtidig exploatering och utforskning av ett datautrymme för att identifiera de mest lämpliga kandidaterna, vilket minskar den erforderliga datastorleken.
Forskarna genomförde omfattande experiment och simuleringar i C+L-band fiberoptiska transmissionssystem, för att modellera och kontrollera OPE med heterogena OA, inklusive en erbiumdopad fiberförstärkare (EDFA) och en Raman förstärkare (RA).
Jämfört med de NN-baserade modelleringsmetoderna som använder slumpmässigt insamlade data, kan den föreslagna BIF minska data som behövs för modellering med över 80 % med en EDFA och med över 60 % med en RA. När det gäller kontroll utfördes iterativa justeringar av signalspektra och pumpkonfigurationer, vilket uppnådde godtyckliga målförstärknings-/effektspektra inom färre än 30 iterationer.
Detta arbete ger ett effektivt tillvägagångssätt för att välja data för mätning på ett sekventiellt sätt. De uppmätta data kan läras in omedelbart för att vägleda nästa omgång av datainsamling och optimering, och på så sätt uppnå dataeffektiv modellering och styrning för OPE. Dessutom visar den probabilistiska analysen av det föreslagna ramverket potential i tillförlitlighetsanalys för nätverksdrift, vilket är av avgörande betydelse för ADON.
Enligt motsvarande författare Prof. Qunbi Zhuge från SJTU, "Det föreslagna ramverket kan vara en lovande teknisk väg för att realisera datadriven ADON i framtida optiska nätverk."
Mer information: Xiaomin Liu et al, Digital tvillingmodellering och styrning av optisk kraftutveckling som möjliggör autonomt drivande optiska nätverk:en Bayesiansk metod, Avancerad fotonik (2024). DOI:10.1117/1.AP.6.2.026006
Journalinformation: Avancerad fotonik
Tillhandahålls av SPIE