デジタルツイン光学ネットワークのスペクトル測定を,高次元機能校正とメタラーニングを通じて統一する

科学分野:

• 光学ネットワークエンジニアリング
• デジタル・ツイン・テクノロジー デジタル・ツイン・テクノロジー
• データの校正と調和

背景:

• 現代の光学ネットワークは,分散とソフトウェアとハードウェアの分離に向けて進化しており,マルチベンダー戦略が必要になっています.
• これらのマルチベンダー環境は,デジタルツイン光学ネットワーク (DTON) に不可欠なデータの一貫性と相互運用性において重要な課題をもたらします.
• 多様な光スペクトル解析器 (OSA) から得られたスペクトルデータの不一致は,高精度DTONモデリングとスペクトル特性分析を妨げています.

研究 の 目的:

• 光学ネットワークのスペクトル特性に対するOSAの影響を数学的にモデル化し,分析する.
• マルチベンダーのOSAから不一致なスペクトルデータを校正するための方法を開発し,検証する.
• 次世代光学ネットワークにおける一貫した知覚データ取得と相互運用可能な管理を可能にする.

主な方法:

• OSA誘発のスペクトル特性の変動を分析するための数学的モデルを確立した.
• マルチレイヤーパーセプトン (MLP) を利用した高次元機能校正 (HDFC) ツールを設計しました.
• アダプティブデータアラインメントのためのモデル・アグノスティック・メタ・ラーニング (MAML) アルゴリズムに基づくアダプティブ・パーセプチュアル・インフォメーション・カリブレーション (APIC) メソッドを提案した.

主要な成果:

• 提案されたHDFCとAPICの方法は,異なるOSAによって引き起こされるスペクトルデータの不一致を効果的に軽減します.
• 光学スペクトルの特徴抽出の精度向上は,シミュレーションと実験的検証を通じて実証されました.
• マルチベンダーのDTONオペレーションにAPICを統合するための定義されたユースケースとワークフローが確立されました.

結論:

• HDFCとAPICの方法は,複数のベンダーの光学ネットワークでスペクトルデータを調和させるための堅牢なソリューションを提供します.
• この作業は,データの一貫性を確保することにより,デジタルツイン光学ネットワーク (DTON) の信頼性と正確性を大幅に改善します.
• 開発された技術は,将来の光学ネットワークインフラストラクチャの相互運用管理と一貫したデータ取得を推進するために不可欠です.