Российские ученые разработали нейросеть для повышения эффективности линий связи
Ученые Новосибирского госуниверситета (НГУ) разработали нейросеть на основе нового подхода для компенсации нелинейных искажений в линиях волоконно-оптической связи. Это позволит повысить эффективность линий связи для развития инфраструктуры высокоскоростной передачи данных, сообщили ТАСС в пресс-службе вуза.
В оптических сенсорах и волоконно оптических линиях связи сигнал искажается из за нелинейных эффектов и шумов. Это приводит к ошибкам при передаче данных. Чтобы улучшить качество, корректируют свойства волокна и сигнала, используют чистые волокна и цифровую обработку, так передача становится надежнее.
"Разработана глубокая комплекснозначная сверточная нейронная сеть, предназначенная для моделирования распространения оптических сигналов в волоконной линии связи со спектральным уплотнением каналов", - рассказали в пресс-службе.
Как рассказал руководитель проекта, академик РАН Михаил Федорук, архитектура нейросети основана на физических уравнениях (в том числе нелинейных уравнениях Шредингера) и имитирует разделение процессов на отдельные этапы. Ученые подобрали оптимальные параметры сети (число слоев, ширину фильтров) и научили ее компенсировать хроматическую дисперсию - искажение сигнала в волокне. В результате получилась модель, которая точно предсказывает, как сигнал будет распространяться на больших расстояниях, и может помочь улучшать волоконно оптические системы со спектральным уплотнением каналов.
"Такой междисциплинарный подход, объединяющий фотонику и машинное обучение, позволяет разрабатывать новые методы анализа, оптимизации и управления нелинейными процессами, опираясь как на высокую скорость обработки сигнала в оптических системах, так и на способность машинного обучения находить и использовать скрытую информацию", - пояснил Федорук.
Ученый подчеркнул, что полученные результаты помогут повысить эффективность волоконно оптических линий связи, что важно для развития инфраструктуры высокоскоростной передачи данных в России. Внедрение новых технологий, в том числе методов машинного обучения, будет способствовать развитию цифровых сервисов, науки, промышленности и других сфер экономики.
