В России ученые создали нейросеть для повышения эффективности линий связи
Ученые Новосибирского государственного университета (НГУ) создали нейросеть нового типа для компенсации нелинейных искажений в волоконно-оптических линиях связи. По данным пресс-службы вуза, это решение позволит повысить эффективность передачи данных в высокоскоростных сетях.
Сигнал в оптических линиях и сенсорах подвержен искажениям из-за нелинейных эффектов и шумов, что приводит к ошибкам при передаче информации. Для улучшения качества используют чистые волокна, корректируют свойства сигнала и применяют цифровую обработку. Это делает связь более надежной.
«Разработана глубокая комплекснозначная сверточная нейросеть для моделирования распространения оптических сигналов в волокне со спектральным уплотнением каналов», — сообщили в пресс-службе.
Руководитель проекта, академик РАН Михаил Федорук, пояснил, что архитектура сети опирается на физические уравнения, включая нелинейное уравнение Шредингера, и разделяет процессы на отдельные этапы. Ученые подобрали оптимальные параметры — число слоев и ширину фильтров — и обучили сеть компенсировать хроматическую дисперсию. Модель точно предсказывает распространение сигнала на больших расстояниях и может улучшать волоконно-оптические системы с плотным спектральным уплотнением каналов.
«Междисциплинарный подход, объединяющий фотонику и машинное обучение, открывает новые возможности для анализа, оптимизации и управления нелинейными процессами, сочетая скорость обработки сигналов и способность нейросетей находить скрытую информацию», — отметил Федорук.
Сигнал в оптических линиях и сенсорах подвержен искажениям из-за нелинейных эффектов и шумов, что приводит к ошибкам при передаче информации. Для улучшения качества используют чистые волокна, корректируют свойства сигнала и применяют цифровую обработку. Это делает связь более надежной.
«Разработана глубокая комплекснозначная сверточная нейросеть для моделирования распространения оптических сигналов в волокне со спектральным уплотнением каналов», — сообщили в пресс-службе.
Руководитель проекта, академик РАН Михаил Федорук, пояснил, что архитектура сети опирается на физические уравнения, включая нелинейное уравнение Шредингера, и разделяет процессы на отдельные этапы. Ученые подобрали оптимальные параметры — число слоев и ширину фильтров — и обучили сеть компенсировать хроматическую дисперсию. Модель точно предсказывает распространение сигнала на больших расстояниях и может улучшать волоконно-оптические системы с плотным спектральным уплотнением каналов.
«Междисциплинарный подход, объединяющий фотонику и машинное обучение, открывает новые возможности для анализа, оптимизации и управления нелинейными процессами, сочетая скорость обработки сигналов и способность нейросетей находить скрытую информацию», — отметил Федорук.
Читайте также:
Ctrl
Enter
Заметили ошЫбку
Выделите текст и нажмите Ctrl+EnterЧитайте также:
.jpg)
