論文の概要: Flexible Raman Amplifier Optimization Based on Machine Learning-aided
Physical Stimulated Raman Scattering Model
- arxiv url: http://arxiv.org/abs/2206.07650v1
- Date: Mon, 13 Jun 2022 09:08:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-16 15:11:08.082561
- Title: Flexible Raman Amplifier Optimization Based on Machine Learning-aided
Physical Stimulated Raman Scattering Model
- Title(参考訳): 機械学習支援物理刺激ラマン散乱モデルに基づくフレキシブルラマン増幅器最適化
- Authors: Metodi Plamenov Yankov, Francesco Da Ros, Uiara Celine de Moura,
Andrea Carena and Darko Zibar
- Abstract要約: 機械学習(ML)を用いたラマンゲイン勾配係数の微分関数を求める。
フォワードポンプ構成における任意の数のポンプの周波数とパワーは、任意のデータチャネルロードとスパン長さに最適化される。
4 THzで1dBの利得平坦性が達成される。
- 参考スコア(独自算出の注目度): 1.0499611180329804
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The problem of Raman amplifier optimization is studied. A differentiable
interpolation function is obtained for the Raman gain coefficient using machine
learning (ML), which allows for the gradient descent optimization of
forward-propagating Raman pumps. Both the frequency and power of an arbitrary
number of pumps in a forward pumping configuration are then optimized for an
arbitrary data channel load and span length. The forward propagation model is
combined with an experimentally-trained ML model of a backward-pumping Raman
amplifier to jointly optimize the frequency and power of the forward
amplifier's pumps and the powers of the backward amplifier's pumps. The joint
forward and backward amplifier optimization is demonstrated for an unrepeatered
transmission of 250 km. A gain flatness of $<$ 1~dB over 4 THz is achieved. The
optimized amplifiers are validated using a numerical simulator.
- Abstract(参考訳): ラマン増幅器最適化の問題点について検討した。
機械学習(ML)を用いたラマンゲイン係数に対して,前方伝搬ラマンポンプの勾配勾配勾配最適化が可能な微分補間関数を求める。
フォワードポンプ構成における任意の数のポンプの周波数とパワーは、任意のデータチャネルロードとスパン長さに最適化される。
前方伝搬モデルは、後方増幅器のポンプの周波数とパワーと後方増幅器のポンプのパワーを協調的に最適化する後方励起ラマン増幅器の実験的なMLモデルと組み合わせられる。
前方および後方のアンプの最適化は250kmの未繰り返し伝送に対して実証される。
4Hz以上の利得平坦度を$<$ 1~dBとする。
最適化増幅器は数値シミュレータを用いて検証される。
関連論文リスト
- Joint Transmit and Pinching Beamforming for PASS: Optimization-Based or Learning-Based? [89.05848771674773]
MISO (Multiple-input Single-output) フレームワークを提案する。
それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。
PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
論文 参考訳(メタデータ) (2025-02-12T18:54:10Z) - Blochnium-Based Josephson Junction Parametric Amplifiers: Superior Tunability and Linearity [0.0]
弱い量子信号増幅は 量子コンピューティングにおいて重要な課題です
ジョセフソン接合配列はBlochnium (N series Quarton structure) と呼ばれ、パラメトリック増幅器として利用される。
提案された新しい設計は、非線形性を操作できるため、従来の設計よりも大きな利点がある。
論文 参考訳(メタデータ) (2024-09-04T17:21:25Z) - Optimizing EPR pulses for broadband excitation and refocusing [0.0]
我々は、ハーンエコー振幅を最大化するブロードバンドパルス形状を数値的に最適化する。
パルスはニューラルネットワーク(NN)、非線形振幅制限フーリエ級数(FS)、離散時系列(DT)としてパラメータ化される
論文 参考訳(メタデータ) (2024-05-31T15:41:19Z) - AffineQuant: Affine Transformation Quantization for Large Language Models [58.45460102764]
ポストトレーニング量子化(PTQ)は、その圧縮効率とトレーニングの文脈における費用対効果により、かなりの関心を集めている。
既存の大規模言語モデル(LLM)のPTQ手法は、事前量子化重みと後量子化重みの間の変換のスケーリングに最適化範囲を制限している。
本稿では,PTQ(AffineQuant)における等価アフィン変換を用いた直接最適化を提唱する。
論文 参考訳(メタデータ) (2024-03-19T08:40:21Z) - A comparison between black-, grey- and white-box modeling for the bidirectional Raman amplifier optimization [0.8098985611919018]
光学増幅器のオフライン最適化は、物理に深く根ざしたホワイトボックスモデルからブラックボックスのデータ駆動および物理に依存しないモデルまで幅広いモデルに依存している。
実験手法のいずれにおいても,80km間隔でCバンド上で1~3.6dBの同様の周波数および距離平坦性が得られることを示す。
論文 参考訳(メタデータ) (2023-09-11T08:39:57Z) - Modeling and Harmonic Balance Analysis of Parametric Amplifiers for Qubit Read-out [0.07179624965454194]
超伝導ジョセフソン接合の組み合わせに基づく非線形インダクタを商用回路シミュレータでモデル化する方法を示す。
また、増幅器性能の信頼性予測にハーモニックバランス(HB)がどのように使用されるかを示す。
論文 参考訳(メタデータ) (2023-06-08T13:18:22Z) - Readout of a quantum processor with high dynamic range Josephson
parametric amplifiers [132.67289832617647]
デバイスは、帯域幅250-300MHzの50ドルOmega$環境と一致し、入力飽和電力は最大で-95dBm、20dBゲインとなる。
54キュービットのSycamoreプロセッサがこれらのデバイスをベンチマークするために使用された。
設計は、システムノイズ、読み出しフィデリティ、およびクビットのデフォーカスに悪影響を及ぼさない。
論文 参考訳(メタデータ) (2022-09-16T07:34:05Z) - Towards Learning Universal Hyperparameter Optimizers with Transformers [57.35920571605559]
我々は,テキストベースのトランスフォーマーHPOフレームワークであるOptFormerを紹介した。
実験の結果,OptFormerは少なくとも7種類のHPOアルゴリズムを模倣できることがわかった。
論文 参考訳(メタデータ) (2022-05-26T12:51:32Z) - Experimental Validation of Spectral-Spatial Power Evolution Design Using
Raman Amplifiers [0.0]
我々は、周波数とファイバ距離の2つの領域で信号パワーの進化を共同で形成できる機械学習対応のRaman増幅フレームワークを実験的に検証した。
提案実験は,4つの1次対向伝搬ラマンポンプを最適化することにより,Cバンド全体の増幅に対処する。
論文 参考訳(メタデータ) (2022-05-16T13:55:50Z) - Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。
我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。
数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文 参考訳(メタデータ) (2020-11-18T16:40:45Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳(メタデータ) (2020-10-01T18:14:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。