Τίτλος: «Μελέτη και χρήση τεχνικών μηχανικής μάθησης για την αντιστάθμιση μη γραμμικών φαινομένων του σήματος σε σύγχρονα συστήματα μετάδοσης»
Η μαζική εμφάνιση τεχνολογιών όπως το cloud computing, το Internet of Things (IoT) και το 6G, ωθούν τα επόμενης γενιάς οπτικά δίκτυα να υποστηρίζουν όλο και υψηλότερους ρυθμούς μετάδοσης δεδομένων ενώ απαιτούν χαμηλή καθυστέρηση με σκοπό την μέγιστη αποδοτικότητα στις υπηρεσίες τους. Μια πολλά υποσχόμενη αρχιτεκτονική, ικανή να υποστηρίξει τις παραπάνω τεχνολογίες είναι η τεχνολογία μετάδοσης αναλογικού RF σήματος μέσω οπτικής ίνας (A-RoF) αφού δίνει τη δυνατότητα αποτελεσματικής χρήσης του διαθέσιμου εύρους ζώνης, συγκριτικά με τεχνολογίες που βασίζονται στη μετάδοση ψηφιακού σήματος στην ίνα.
Η αξιοποίηση τέτοιων τεχνολογιών και η ταυτόχρονη υποστήριξη πολλαπλών εφαρμογών, αυξάνει την πολυπλοκότητα του δικτύου και απαιτεί την χρήση περίπλοκων μαθητικών και φυσικών μοντέλων για την λειτουργεία του, τα οποία όχι μόνο απαιτούν τεράστια υπολογιστική ισχύ για να επιλυθούν αλλά πολλές φορές η αναλυτική επίλυσή τους είναι αδύνατη με πρακτικές μεθόδους. Ο μεγάλος όγκος δεδομένων που πρέπει να επεξεργαστούν έχει παίξει καθοριστικό ρόλο στην χρήση τεχνικών μηχανικής μάθησης (machine learning- ML), η οποία δίνει λύση σε πολλά προβλήματα χωρίς να επιβάλλει την επίλυση προκαθορισμένων πολύπλοκων μοντέλων. Συμβατικές μέθοδοι ψηφιακής επεξεργασίας σήματος ολοένα και συνδυάζονται με ML μεθόδους προκειμένου να επιλυθούν κρίσιμα προβλήματα στα οπτικά δίκτυα όπως η μη γραμμική συμπεριφορά των ενεργών ηλεκτρικών (ενισχυτές), οπτο-ηλεκτρικών στοιχείων (οπτικοί διαμορφωτές, φωτοδίοδοι) καθώς και της οπτικής ίνας.
Στα πλαίσια της παρούσας διπλωματικής εργασίας, θα προσομοιωθεί αρχικά η μετάδοση οπτικών σημάτων σε σύγχρονες αρχιτεκτονικές στο περιβάλλον VPIphotonics, προκειμένου να κατανοηθεί και να μελετηθεί αρχικά η A-RoF αρχιτεκτονική και η μη γραμμική συμπεριφορά των στοιχείων που παρεμβαίνουν κατά τη μετάδοση. Στη συνέχεια, θα μελετηθούν τεχνικές μηχανικής μάθησης, εμβαθύνοντας σε μοντέλα που στοχεύουν στην αναγνώριση του σχήματος διαμόρφωσης και στον υπολογισμό του αριθμού των σφαλμάτων bit μετάδοσης σε γλώσσα Python. Τέλος, εγείροντας φαινόμενα μη γραμμικοτήτων στην πλατφόρμα VPIphotonics θα εφαρμοστούν ML μέθοδοι για την αντιστάθμισή τους και θα συγκριθούν με συμβατικές μεθόδους.
Χρήσιμες γνώσεις:
- Εξοικείωση με τη γλώσσα προγραμματισμού Python και βασικών βιβλιοθηκών (numpy,pandas Scikit Learn)
- Αρχές φωτονικής τεχνολογίας
Ελάχιστος χρόνος εκπόνησης της εργασίας: 6 μήνες
Επικοινωνία:
Ευρυδίκη Κυριαζή, Υποψήφια Διδάκτορας, evkyriazi@mail.ntua.gr