新的数字孪生模型提高了光网络建模的准确性

研究人员开发了一种链路自适应数字孪生（LA-DT）模型，以改进混合放大超宽带光网络中的物理层建模。该新模型解决了泛化能力和速度方面的局限性，在各种网络配置下提供了更准确的建模和鲁棒的信噪比估计。LA-DT 模型分解了 GSNR 建模，采用了一种具有线性调制层的新型神经网络架构，以增强跨场景泛化能力，并使用域判别器进行高效的少样本微调。它还明确考虑了拉曼放大器的插入损耗，从而显著提高了对未见场景的预测准确性和适应性。 AI

影响 提高了光网络建模的准确性和适应性，有望带来更可靠、更高效的通信系统。

排序理由 该集群包含一篇详细介绍光网络新建模技术的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv cs.LG 阅读 →

• Anspach/Taunus airfield
• Automated Software Engineering
• domain discriminators
• linear modulation layers
• Link-adaptive digital twin
• National Library of Israel
• Neural architecture search
• Stimulated Raman spectroscopy
• strain and temperature sensing system using an erbium-doped fiber and a fiber Bragg grating
• ultra-wideband optical networks

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →