Tiefgehendes Lernen neuronaler Netzestrukturen für die Optimierung faseroptisch-kohärenter Sender/Empfänger zur gemeinsamen Kompensation von chromatischer Dispersion und Kerr-Nichtlinearität

• Antragsteller: Professor Dr.-Ing. Stephan ten Brink
• Fachliche Zuordnung: Kommunikationstechnik und -netze, Hochfrequenztechnik und photonische Systeme, Signalverarbeitung und maschinelles Lernen für die Informationstechnik
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 460943258

In diesem Projekt soll die spektrale Effizienz von optischen Kommunikationssystemen (bzw. Reichweite und Datenrate) durch Einsatz von künstlicher Intelligenz erhöht werden. Ein Augenmerk liegt auf der Interpretierbarkeit der gelernten Verfahren -- was durch den Einsatz sog. "Architekturschablonen" ermöglicht werden soll -- um so tiefere Einblicke in den optischen Kanal und seine Kapazität zu erhalten. Auf den ersten Blick versprechen optische Fasern eine scheinbar unendliche Bandbreite, ein statisches Ausbreitungsverhalten kombiniert mit geringem Eigenrauschen und geringer Dämpfung. Jedoch wurde durch das exponentielle Wachstum der Datenraten und den Fortschritt in der Schaltungstechnik die Bandbreite so weit erhöht, dass die vorhandenen Fasernichtlinearitäten nicht weiter vernachlässigt werden können, mit klassischen Methoden aber auch nicht einfach kompensierbar sind. Dadurch eröffnet sich ein spannendens Gebiet zukünftiger Forschung, um solche Nichtlinearitäten bestmöglich zu kompensieren. Gleichzeit haben Verfahren des tiefgehenden Lernens (Deep Learning) in der Kommunikationstechnik Einzug gehalten, vornehmlich jedoch in der Funktechnik. Dort wurde gezeigt, dass die gemeinsame Optimierung ("Trainieren") von Sender und Empfänger über ein "Autoencoder"-basiertes Ende-zu-Ende Lernenverfahren neue Signalkonstellationen und Wellenformen für die verschiedensten Kanaleigenschaften liefern kann, die klassischen Methoden bisher nicht zugänglich waren. Es ist daher höchst attraktiv, diese konzeptionelle Einfachheit des Ende-zu-Ende Lernens auf den nichtlinearen optischen Faserkanal zu übertragen; ausgehend von unseren bisherigen Ergebnissen in der Funk- und optischen Übertragung basierend auf neuronalen Netzen, sollen neue, maßgeschneiderte Architekturschablonen und damit einhergehende Trainings- und Lernverfahren erarbeitet werden, zur Erhöhung der spektralen Effizienz, der Reichweite und Datenrate von Einkanal- als auch Mehrkanal-Sytemen basierend auf dem Wellenlängenmultiplex. Zudem soll der Zusammenhang zwischen den neuen Architekturschablonen (mit seinen gelernten Signalkonstellationen und Wellenformen) und Eigenwert-basierter optischer Übertragung mittels der nichtlinearen Fourier-Transformation untersucht werden, um so weitere Ansatzpunkte für die gemeinsamte Kompensation von chromatischer Dispersion und Fasernichtlinearitäten zu finden.

• DFG-Verfahren: Sachbeihilfen