Ученые Новосибирского государственного университета создали нейросеть, способную компенсировать нелинейные искажения в волоконно-оптических линиях связи.
Разработка основана на принципиально новом подходе и позволит повысить эффективность инфраструктуры высокоскоростной передачи данных. Об этом сообщили ТАСС в пресс-службе вуза.
В оптических сенсорах и волоконно-оптических линиях связи сигнал неизбежно искажается из-за нелинейных эффектов и шумов, что приводит к ошибкам при передаче данных. Для улучшения качества связи специалисты корректируют свойства волокна и сигнала, используют более чистые волокна и применяют цифровую обработку, что делает передачу надежнее.
Как рассказали в пресс-службе НГУ, исследователям удалось разработать глубокую комплекснозначную сверточную нейронную сеть, предназначенную для моделирования распространения оптических сигналов в волоконной линии связи со спектральным уплотнением каналов.
Руководитель проекта, академик РАН Михаил Федорук пояснил, что архитектура нейросети основана на физических уравнениях, включая нелинейные уравнения Шредингера, и имитирует разделение процессов на отдельные этапы. Ученые подобрали оптимальные параметры сети, определив необходимое число слоев и ширину фильтров, и обучили ее компенсировать хроматическую дисперсию — один из основных видов искажения сигнала в волокне.
В результате исследователи получили модель, которая с высокой точностью предсказывает распространение сигнала на больших расстояниях. Это открывает новые возможности для улучшения волоконно-оптических систем со спектральным уплотнением каналов.
Академик Федорук подчеркнул, что междисциплинарный подход, объединяющий фотонику и машинное обучение, позволяет разрабатывать инновационные методы анализа, оптимизации и управления нелинейными процессами. Такие методы опираются как на высокую скорость обработки сигнала в оптических системах, так и на способность машинного обучения находить и использовать скрытую информацию.
Ученый отметил, что полученные результаты помогут повысить эффективность волоконно-оптических линий связи, что имеет критическое значение для развития инфраструктуры высокоскоростной передачи данных в России. Внедрение новых технологий, включая методы машинного обучения, будет способствовать развитию цифровых сервисов, науки, промышленности и других сфер экономики.
