Физика и искусственный интеллект объединились, чтобы совершить прорыв в передаче данных. Специалисты Новосибирского государственного университета разработали нейросеть, которая с невероятной точностью прогнозирует поведение оптических сигналов в волоконно-линиях связи и устраняет искажения, возникающие из-за нелинейных эффектов.
Руководитель проекта академик РАН Михаил Федорук пояснил: в основе архитектуры нейросети лежат фундаментальные физические уравнения, включая нелинейные уравнения Шрёдингера, которые описывают распространение волн в нелинейной среде. Таким образом, созданная модель не просто обрабатывает данные, а имитирует реальные процессы, происходящие в оптическом волокне.
Проблема, которую решают учёные, знакома каждому, кто сталкивался с нестабильным интернетом: при передаче сигналов на большие расстояния неизбежно возникают шумы, хроматическая дисперсия и другие искажения, ведущие к ошибкам. Обычно для борьбы с ними используют более чистые материалы или сложную цифровую обработку, но новосибирская разработка предлагает принципиально иной путь.
Глубокая свёрточная нейросеть, работающая с комплексными числами, была обучена точно воспроизводить распространение сигналов в системах со спектральным уплотнением каналов. Исследователи настроили её параметры — количество слоёв и ширину фильтров — так, чтобы она могла предсказывать и компенсировать искажения задолго до того, как они приведут к сбоям.
По словам Федорука, междисциплинарный подход, объединяющий фотонику и машинное обучение, позволяет не просто улучшить существующие линии связи, а разработать новые методы анализа и управления нелинейными процессами.
«Мы опираемся как на высокую скорость обработки сигнала в оптических системах, так и на способность машинного обучения находить скрытую информацию», — подчеркнул академик.
Результаты исследования уже опубликованы в авторитетном научном журнале и, как ожидается, будут востребованы при создании инфраструктуры быстрой передачи данных следующего поколения — от дата-центров до магистральных оптоволоконных сетей.
