Con el surgimiento de servicios de Internet como el contenido generado por IA y la realidad virtual, la demanda de capacidad global ha aumentado, intensificando significativamente las presiones sobre los sistemas de comunicación de fibra óptica. Para abordar este aumento y reducir los costos operativos, se están realizando esfuerzos para desarrollar redes ópticas de conducción autónoma (ADON) con operaciones de red altamente eficientes.
Una de las tareas más importantes de un ADON es modelar y controlar con precisión la evolución de la potencia óptica (OPE) a través de enlaces de fibra, ya que determina el nivel de deterioro del ruido y la calidad de transmisión de la señal.
En los sistemas de comunicación de fibra óptica, la potencia óptica de las señales evoluciona a lo largo de la fibra y varía a través de diferentes longitudes de onda, presentando un proceso físico complejo, especialmente para sistemas multibanda con no linealidad de Kerr severa y dispersión Raman estimulada entre canales.
En los ADON multibanda, la OPE está influenciada principalmente por los procesos de propagación y amplificación de la fibra. En particular, el principal desafío en el modelado y control de OPE radica en los amplificadores ópticos (OA). Los enfoques basados en datos pueden lograr una alta precisión. Sin embargo, los métodos tradicionales basados en datos, especialmente las redes neuronales (NN), exigen una gran cantidad de datos para construir modelos precisos de gemelos digitales, lo que genera importantes costos de medición.
Si bien algunos enfoques pueden minimizar las mediciones requeridas mediante técnicas como la transferencia de aprendizaje o la integración del conocimiento físico, la perspectiva de la selección de datos ha recibido escasa atención.
Recientemente, investigadores de la Universidad Jiao Tong de Shanghai (SJTU), Shanghai, China, propusieron un marco de inferencia bayesiano (BIF) para modelar y controlar eficientemente las evoluciones de potencia óptica en sistemas de comunicación de fibra óptica.
Su investigación se publica en Advanced Photonics. en un artículo titulado "Modelado de gemelos digitales y control de la evolución de la energía óptica que permite redes ópticas de conducción autónoma:un enfoque bayesiano".
Aprovechando la teoría bayesiana, el BIF selecciona la siguiente configuración de espectro/OA a medir mediante la estimación del rendimiento y el análisis de incertidumbre. Este enfoque permite la explotación y exploración simultáneas de un espacio de datos para identificar los candidatos más adecuados, reduciendo así el tamaño de datos requerido.
Los investigadores llevaron a cabo extensos experimentos y simulaciones en sistemas de transmisión de fibra óptica de banda C+L, para modelar y controlar el OPE con OA heterogéneos, incluido un amplificador de fibra dopada con erbio (EDFA) y un amplificador Raman (RA).
En comparación con los métodos de modelado basados en NN que utilizan datos recopilados aleatoriamente, el BIF propuesto puede reducir los datos necesarios para el modelado en más del 80 % con un EDFA y en más del 60 % con un RA. En términos de control, se realizaron ajustes iterativos de los espectros de señal y las configuraciones de la bomba, logrando espectros de ganancia/potencia objetivo arbitrarios en menos de 30 iteraciones.
Este trabajo proporciona un enfoque eficiente para seleccionar datos para medir de manera secuencial. Los datos medidos se pueden aprender inmediatamente para guiar la siguiente ronda de recopilación y optimización de datos, logrando así un modelado y control eficiente de los datos para OPE. Además, el análisis probabilístico del marco propuesto muestra potencial en el análisis de confiabilidad para las operaciones de red, lo cual es de vital importancia para ADON.
Según el autor correspondiente, el profesor Qunbi Zhuge de SJTU, "el marco propuesto puede ser un camino técnico prometedor para realizar ADON basado en datos en futuras redes ópticas".
Más información: Xiaomin Liu et al, Modelado de gemelos digitales y control de la evolución de la energía óptica que permite redes ópticas de conducción autónoma:un enfoque bayesiano, Fotónica avanzada (2024). DOI:10.1117/1.AP.6.2.026006
Información de la revista: Fotónica avanzada
Proporcionado por SPIE