電子產(chǎn)業(yè)一站式賦能平臺(tái)

PCB聯(lián)盟網(wǎng)

搜索
查看: 75|回復(fù): 0
收起左側(cè)

機(jī)器學(xué)習(xí)輔助的下一代光網(wǎng)絡(luò)功率和GSNR估算

[復(fù)制鏈接]

686

主題

686

帖子

5863

積分

四級(jí)會(huì)員

Rank: 4

積分
5863
跳轉(zhuǎn)到指定樓層
樓主
發(fā)表于 2024-11-27 08:00:00 | 只看該作者 |只看大圖 回帖獎(jiǎng)勵(lì) |倒序?yàn)g覽 |閱讀模式
引言/ g( Z, j. z0 n1 }  R5 L
多頻帶彈性光網(wǎng)絡(luò)(MB-EONs)代表著光通信的新發(fā)展方向,提供了高帶寬和靈活性。這些系統(tǒng)在快速估算傳輸質(zhì)量(QoT)方面面臨挑戰(zhàn),特別是在處理信道間受激拉曼散射等復(fù)雜現(xiàn)象時(shí)。本文探討了機(jī)器學(xué)習(xí)如何改進(jìn)功率和GSNR估算[1]。; j* j) Q6 j9 k; \; S4 C5 Z
" K. T0 L" K& l+ D7 d7 G
9 ?4 F, o6 [' p4 L/ `
系統(tǒng)參數(shù)和數(shù)據(jù)集生成
' Z; {7 Q+ D. @2 v4 n1 v1 NMB-EONs中廣義信噪比(GSNR)分布的估算受多個(gè)因素影響,包括鏈路負(fù)載狀態(tài)、調(diào)制格式、發(fā)射功率和信道帶寬。傳統(tǒng)分析方法雖然準(zhǔn)確,但計(jì)算量大,不適合實(shí)時(shí)網(wǎng)絡(luò)管理。機(jī)器學(xué)習(xí)方法在這方面提供了高效解決方案。
3 G! ?! u, c2 S4 K1 Z6 p4 X8 z/ |( n# J- d. J# l
該機(jī)器學(xué)習(xí)方法從全面的數(shù)據(jù)集生成開始。訓(xùn)練數(shù)據(jù)包含多種網(wǎng)絡(luò)配置,考慮四個(gè)關(guān)鍵參數(shù):
  • 跨段長度:40-100公里(10公里間隔)
  • 發(fā)射功率:-5至5 dBm(0.1 dBm間隔)
  • 負(fù)載因子:50-100%(10%間隔)
  • 調(diào)制格式基數(shù):1-6
    , X4 u% p$ c% v& |$ X[/ol]
    0 E* F& h% W8 W# }/ K) c特征選擇和模型架構(gòu)
    ) F" I4 n# f9 z6 z) _+ L3 [對(duì)于功率估算,考慮以下關(guān)鍵特征:
    2 w' }- g) S, _: ?/ `5 a
    + e4 P. n) H1 F7 h+ }/ n5 x
    & B5 G9 h$ v( h機(jī)器學(xué)習(xí)輔助功率估算的特征包括跨段長度、信道發(fā)射功率、總發(fā)射功率、信道位置和各種信道活動(dòng)百分比。. K: e  Q* B+ y; c& g4 }
    ' I/ [( D' S0 d! O, R+ i9 P
    對(duì)于GSNR估算,還需考慮額外特征:
    9 K) G7 y4 z7 n/ U% |
    0 K6 O8 G0 u3 d. tGSNR估算特征包括所有功率估算特征,以及調(diào)制格式信息和跨段末端信道功率。, ^: ]3 `' i* m6 m) p$ J4 P

    8 Z/ a; R5 b: C9 @5 }& H研究實(shí)現(xiàn)了三種機(jī)器學(xué)習(xí)模型:
  • 梯度提升(GB)
  • 神經(jīng)網(wǎng)絡(luò)1(NN1) - 單隱藏層
  • 神經(jīng)網(wǎng)絡(luò)2(NN2) - 雙隱藏層  h+ T  U5 ]$ U+ \3 k# t- D% [
    [/ol]" ]9 S& J- z% D7 _% u$ w5 i2 \" T
    結(jié)果和性能分析
    + n; Q" `8 W" [" r ) u- ]& s- y% A1 |/ W7 F- \3 \  p
    圖1:機(jī)器學(xué)習(xí)模型性能對(duì)比,顯示(a)功率絕對(duì)誤差直方圖,(b)功率絕對(duì)誤差累積分布函數(shù),(c)GSNR絕對(duì)誤差直方圖,(d)不同機(jī)器學(xué)習(xí)模型的GSNR絕對(duì)誤差累積分布函數(shù)。
    ! u" U* ?0 g2 c5 v! P% K
    - {. N' I- P' X  u9 n/ h結(jié)果顯示所有模型都具有顯著的精確度,其中GB模型達(dá)到最高精度。在功率估算方面,99%的樣本誤差低于0.04 dB,而GSNR估算誤差在99%的情況下保持在0.1 dB以下。與傳統(tǒng)分析方法相比,這種精度是在大幅減少計(jì)算時(shí)間的情況下實(shí)現(xiàn)的。
    . B) s- n/ G1 q& s: i
    3 N' s9 W* r/ `$ K% n# W功率優(yōu)化實(shí)現(xiàn)
    ( |+ z1 T7 C' l' a9 @8 ?: v# A在功率優(yōu)化場景中,機(jī)器學(xué)習(xí)模型顯示出優(yōu)異結(jié)果:
    " `; W5 w1 W+ g3 B, o( F! { 1 t4 u' A1 u# b3 G

      o, V% p3 I4 S' Y& |8 {優(yōu)化結(jié)果表明,機(jī)器學(xué)習(xí)方法達(dá)到與分析方法幾乎相同的最優(yōu)功率水平,同時(shí)計(jì)算時(shí)間減少25-50倍。例如,對(duì)于100公里跨段,分析方法需要150.94秒,而最快的機(jī)器學(xué)習(xí)模型(NN1)僅需2.92秒。
    3 t) u8 Q6 e( y4 [$ ~
    ! S- l% E1 J% A4 ?- o. |+ m技術(shù)規(guī)格和模型參數(shù). Y  N* c3 C2 H. f2 `
    系統(tǒng)實(shí)現(xiàn)使用以下具體參數(shù):; I" p( f# |0 o" N
  • 符號(hào)率:64 GBaud
  • 滾降因子:0.05
  • 帶寬:C+L波段共12 THz
  • 信道間隔:75 GHz
  • C波段和L波段之間的保護(hù)帶寬:400 GHz
    4 y( z6 l5 J9 ^5 C  o) b6 `
    9 q: X3 T3 R! {) \9 h! |8 I
    數(shù)據(jù)集生成過程創(chuàng)建了2,500個(gè)不同場景,產(chǎn)生400,000個(gè)樣本(2,500×160信道)。去除空閑信道后,剩余300,700個(gè)活動(dòng)樣本。數(shù)據(jù)分配為80%用于訓(xùn)練,20%用于測試,訓(xùn)練集的20%用于使用5折交叉驗(yàn)證的驗(yàn)證。6 q6 }+ L" L5 u" G: u- F

    ; |) @, z  L5 @' J結(jié)論6 q2 X* x6 o0 i. R
    機(jī)器學(xué)習(xí)模型的超參數(shù)經(jīng)過精心調(diào)整:
    : M8 V# Q/ ]) |+ o* M& B! q! m
  • GB模型:0.1子采樣,0.01學(xué)習(xí)率,10最大深度,15,000估計(jì)器
  • GSNR的NN1:一個(gè)500神經(jīng)元層,使用ReLU激活函數(shù)
  • GSNR的NN2:兩個(gè)500神經(jīng)元層,使用ReLU激活函數(shù)
  • 功率的NN1:一個(gè)1000神經(jīng)元層,使用Tanh激活函數(shù)
  • 功率的NN2:兩個(gè)500神經(jīng)元層,使用ReLU激活函數(shù)! V) Z6 |" O) ?7 u8 h  Y" L7 |" E
    . X& Y& {/ d( |9 X' ?; F* |) T
    機(jī)器學(xué)習(xí)輔助方法在光網(wǎng)絡(luò)管理中取得重要進(jìn)展,提供實(shí)時(shí)性能且保持高精度。這些模型可以輕松集成到現(xiàn)有網(wǎng)絡(luò)管理系統(tǒng)中,為動(dòng)態(tài)網(wǎng)絡(luò)優(yōu)化和管理提供快速的QoT估算。& N. a* I9 z) {$ E4 i; U
    / R6 m# U9 u* U2 P& l! n* U
    參考文獻(xiàn)
    4 m; D; ~9 b, w+ w[1] K. Ghodsifar, F. Arpanaei, H. Beyranvand, M. Ranjbar Zefreh, C. Natalino, P. Monti, S. Yan, ó. González de Dios, J. M. Rivas-Moscoso, J. P. Fernández-Palacios, A. Sánchez-Macián, D. Larrabeiti, and J. A. Hernández, "ML-Assisted Optimal Power and GSNR Estimation in Multi-band Elastic Optical Networks," in 2024 24th International Conference on Transparent Optical Networks (ICTON), 2024, pp. 1-4, doi: 10.1109/ICTON62926.2024.10647400.& _3 C" ^6 A; g' Z  N

    + H' D9 b! r: E" REND  J. U- a. m) Y1 Z( K) Q4 W: N

    / Y1 b5 y$ g$ e( ?  O. N2 Q1 M
    # v4 Z, g. ^3 O3 P% X* R5 h軟件申請(qǐng)我們歡迎化合物/硅基光電子芯片的研究人員和工程師申請(qǐng)?bào)w驗(yàn)免費(fèi)版PIC Studio軟件。無論是研究還是商業(yè)應(yīng)用,PIC Studio都可提升您的工作效能。: E% @* m& d* Z8 |. t
    點(diǎn)擊左下角"閱讀原文"馬上申請(qǐng); r; s! J5 J% d9 ~

    + V( e9 S$ x; g4 g; d歡迎轉(zhuǎn)載: U9 F( W& n6 ]+ n4 g( ]
    ! T1 b. s. X6 V
    轉(zhuǎn)載請(qǐng)注明出處,請(qǐng)勿修改內(nèi)容和刪除作者信息!
    5 i; {/ e$ o* _2 f4 L7 B% M- J9 r
    ) i; g  _8 p9 ^# H* i" |9 F
      T% a! z" u( x3 e- C! e

    ) J1 Q( x$ j7 f$ I* t/ `) L8 j 9 m5 ?; q' @& f" Z7 F
    8 a! ?7 ~- S$ _; Z" {
    關(guān)注我們# j6 K8 u' x9 Z& ?- C: F

    7 L9 S" D( O( B

    , ?% q9 s' K3 f! d
    1 i! ?/ W$ W2 A8 z% b3 u7 H

    1 V, W0 ^2 s* t! ~9 N
    % j$ W8 q% c' o. G# o4 C0 T) C& \

    5 O& i5 R  R  O' L0 W& z$ L   m  R0 y" \8 S  u4 c8 z1 S
                          - a8 A, h1 Y: ^  M5 L" ?
    2 ?3 a5 b$ O8 T) c5 x4 f1 E5 x8 P8 a7 `

    4 E, o3 w, p( l
    % M/ I7 S- ^/ a5 j7 W. L關(guān)于我們:1 `8 U  T; B4 Q1 j
    深圳逍遙科技有限公司(Latitude Design Automation Inc.)是一家專注于半導(dǎo)體芯片設(shè)計(jì)自動(dòng)化(EDA)的高科技軟件公司。我們自主開發(fā)特色工藝芯片設(shè)計(jì)和仿真軟件,提供成熟的設(shè)計(jì)解決方案如PIC Studio、MEMS Studio和Meta Studio,分別針對(duì)光電芯片、微機(jī)電系統(tǒng)、超透鏡的設(shè)計(jì)與仿真。我們提供特色工藝的半導(dǎo)體芯片集成電路版圖、IP和PDK工程服務(wù),廣泛服務(wù)于光通訊、光計(jì)算、光量子通信和微納光子器件領(lǐng)域的頭部客戶。逍遙科技與國內(nèi)外晶圓代工廠及硅光/MEMS中試線合作,推動(dòng)特色工藝半導(dǎo)體產(chǎn)業(yè)鏈發(fā)展,致力于為客戶提供前沿技術(shù)與服務(wù)。' N* l$ P0 Z" F1 e, o$ @$ s

    * U- t- q* d' r& U" [http://www.latitudeda.com/! g$ }0 o7 q4 U/ y" `# O- E
    (點(diǎn)擊上方名片關(guān)注我們,發(fā)現(xiàn)更多精彩內(nèi)容)
  • 發(fā)表回復(fù)

    本版積分規(guī)則


    聯(lián)系客服 關(guān)注微信 下載APP 返回頂部 返回列表