Uno dei compiti più importanti per un ADON è modellare e controllare accuratamente l'evoluzione della potenza ottica (OPE) sui collegamenti in fibra, poiché determina il livello di disturbo del rumore e la qualità della trasmissione del segnale.

Nei sistemi di comunicazione in fibra ottica, la potenza ottica dei segnali si evolve sulla fibra e varia attraverso diverse lunghezze d'onda, presentando un processo fisico complesso, soprattutto per i sistemi multibanda con grave non linearità Kerr e diffusione Raman stimolata tra canali.

Negli ADON multibanda, l'OPE è influenzato principalmente dai processi di propagazione e amplificazione della fibra. In particolare, la sfida principale nella modellazione e nel controllo dell'OPE risiede negli amplificatori ottici (OA). Gli approcci basati sui dati sono in grado di raggiungere un’elevata precisione. Tuttavia, i metodi tradizionali basati sui dati, in particolare le reti neurali (NN), richiedono dati estesi per costruire modelli di gemelli digitali accurati, il che comporta costi di misurazione significativi.

Sebbene alcuni approcci possano ridurre al minimo le misurazioni richieste attraverso tecniche come il trasferimento dell'apprendimento o l'integrazione della conoscenza fisica, la prospettiva della selezione dei dati ha ricevuto scarsa attenzione.

Recentemente, i ricercatori della Shanghai Jiao Tong University (SJTU), Shanghai, Cina, hanno proposto un quadro di inferenza bayesiana (BIF) per modellare e controllare in modo efficiente le evoluzioni della potenza ottica nei sistemi di comunicazione in fibra ottica.

La loro ricerca è riportata in Advanced Photonics in un articolo intitolato "Modellazione e controllo dei gemelli digitali dell'evoluzione della potenza ottica che consentono reti ottiche a guida autonoma:un approccio bayesiano".

Sfruttando la teoria bayesiana, il BIF seleziona la successiva configurazione di spettro/OA da misurare sia mediante la stima delle prestazioni che mediante l'analisi dell'incertezza. Questo approccio consente lo sfruttamento e l'esplorazione simultanei di uno spazio dati per identificare i candidati più adatti, riducendo così la dimensione dei dati richiesta.

I ricercatori hanno condotto esperimenti e simulazioni approfonditi in sistemi di trasmissione in fibra ottica in banda C+L, per modellare e controllare l'OPE con OA eterogenei, tra cui un amplificatore in fibra drogata con erbio (EDFA) e un amplificatore Raman (RA).

Rispetto ai metodi di modellazione basati su NN che utilizzano dati raccolti in modo casuale, il BIF proposto può ridurre i dati necessari per la modellazione di oltre l'80% con un EDFA e di oltre il 60% con un RA. In termini di controllo, sono state condotte regolazioni iterative degli spettri del segnale e delle configurazioni della pompa, ottenendo spettri di guadagno/potenza target arbitrari in meno di 30 iterazioni.

Questo lavoro fornisce un approccio efficiente per selezionare i dati per la misurazione in modo sequenziale. I dati misurati possono essere appresi immediatamente per guidare il ciclo successivo di raccolta e ottimizzazione dei dati, ottenendo così una modellazione e un controllo efficienti in termini di dati per l'OPE. Inoltre, l'analisi probabilistica del quadro proposto mostra il potenziale nell'analisi dell'affidabilità per le operazioni di rete, che è di vitale importanza per ADON.

Secondo l'autore corrispondente, il Prof. Qunbi Zhuge della SJTU, "Il quadro proposto può essere un percorso tecnico promettente per realizzare ADON basati sui dati nelle future reti ottiche."