論文の概要: Experimental validation of machine-learning based spectral-spatial power evolution shaping using Raman amplifiers

• arxiv url: http://arxiv.org/abs/2209.13401v1
• Date: Mon, 26 Sep 2022 08:05:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 16:51:15.001909
• Title: Experimental validation of machine-learning based spectral-spatial power evolution shaping using Raman amplifiers
• Title（参考訳）: ラマン増幅器を用いた機械学習に基づくスペクトル空間パワー進化形状の実験的検証
• Authors: Mehran Soltani, Francesco Da Ros, Andrea Carena, Darko Zibar
• Abstract要約: ラマン増幅器のポンプパワー値を制御できるリアルタイム機械学習フレームワークを実験的に検証した。 本装置では, 所望の2次元パワープロファイルを実現するために, 4個の1次対向伝搬ポンプの出力値を最適化する。 得られた2次元プロファイルと目標2次元プロファイルとの間には,極めて低い最小絶対誤差(MAE)(0.5dB)を保証できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We experimentally validate a real-time machine learning framework, capable of controlling the pump power values of Raman amplifiers to shape the signal power evolution in two-dimensions (2D): frequency and fiber distance. In our setup, power values of four first-order counter-propagating pumps are optimized to achieve the desired 2D power profile. The pump power optimization framework includes a convolutional neural network (CNN) followed by differential evolution (DE) technique, applied online to the amplifier setup to automatically achieve the target 2D power profiles. The results on achievable 2D profiles show that the framework is able to guarantee very low maximum absolute error (MAE) (<0.5 dB) between the obtained and the target 2D profiles. Moreover, the framework is tested in a multi-objective design scenario where the goal is to achieve the 2D profiles with flat gain levels at the end of the span, jointly with minimum spectral excursion over the entire fiber length. In this case, the experimental results assert that for 2D profiles with the target flat gain levels, the DE obtains less than 1 dB maximum gain deviation, when the setup is not physically limited in the pump power values. The simulation results also prove that with enough pump power available, better gain deviation (less than 0.6 dB) for higher target gain levels is achievable.
• Abstract（参考訳）: 我々は,ラマン増幅器のポンプパワー値を制御し,2次元周波数とファイバー距離の信号パワー変化を形作るリアルタイム機械学習フレームワークを実験的に検証した。 提案方式では, 所望の2次元パワープロファイルを実現するために, 4つの1次逆伝播ポンプの電力値を最適化する。 ポンプパワー最適化フレームワークは、畳み込みニューラルネットワーク(CNN)と、目標の2Dパワープロファイルを自動的に達成するためにアンプ設定にオンラインに適用された微分進化(DE)技術を含む。 達成可能な2Dプロファイルの結果から, 得られた2Dプロファイルと目標2Dプロファイルとの間には, 極端に低い絶対誤差 (MAE) (<0.5dB) を保証できることがわかった。 さらに、このフレームワークは、繊維長全体の最小スペクトル抽出と共同で、スパンの端で平坦なゲインレベルを持つ2次元プロファイルを達成することを目標とする多目的設計シナリオでテストされる。 この場合、実験結果は、目標のフラットゲインレベルを持つ2次元プロファイルに対して、ポンプパワー値に物理的に制限されない場合に、DECは最大ゲイン偏差が1dB未満となることを主張する。 シミュレーションの結果、十分なポンプパワーが得られれば、より高い目標ゲインレベルに対してより良いゲイン偏差(0.6dB未満)が得られることが証明された。

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)
• Broadband parametric amplification in DARTWARS [64.98268713737]
  トラベリングウェーブパラメトリック増幅器(TWPA)は、マルチギガヘルツ増幅帯域のため、実用用途に特に適している可能性がある。 DARTWARSプロジェクトは、増幅の20ドルdBを達成できるKITWPAの開発を目指している。 測定の結果、KITWPAの長さ17,$mmの帯域幅で約9,dBの増幅が得られた。
  論文  参考訳（メタデータ） (2024-02-19T10:57:37Z)
• DB-LLM: Accurate Dual-Binarization for Efficient LLMs [83.70686728471547]
  大規模言語モデル(LLM)は自然言語処理の分野を著しく進歩させてきた。 既存の超低ビット量子化は、常に深刻な精度低下を引き起こす。 本稿では,LLM,すなわちDB-LLMのための新しいデュアルバイナライズ手法を提案する。
  論文  参考訳（メタデータ） (2024-02-19T09:04:30Z)
• Semi-Federated Learning: Convergence Analysis and Optimization of A Hybrid Learning Framework [70.83511997272457]
  本稿では,ベースステーション(BS)とデバイスの両方を活用するセミフェデレーション学習(SemiFL)パラダイムを提案し,中央集権学習(CL)とFLのハイブリッド実装を提案する。 我々はこの難解な問題を解くための2段階のアルゴリズムを提案し、ビームフォーマに閉形式解を提供する。
  論文  参考訳（メタデータ） (2023-10-04T03:32:39Z)
• Pyramid diffractive optical networks for unidirectional image magnification and demagnification [0.0]
  ピラミッド構造を有する回折光ネットワークの設計法(P-D2NN)を提案する。 P-D2NNの設計は、一方の方向だけに高忠実度またはデマジネーションされた画像を生成し、他方の方向における画像形成を阻害する。
  論文  参考訳（メタデータ） (2023-08-29T04:46:52Z)
• 2-D SSM: A General Spatial Layer for Visual Transformers [79.4957965474334]
  コンピュータビジョンの中心的な目的は、適切な2次元帰納バイアスを持つモデルを設計することである。 多次元状態空間モデルの表現的変動を利用する。 本稿では,効率的なパラメータ化,高速化計算,適切な正規化方式を提案する。
  論文  参考訳（メタデータ） (2023-06-11T09:41:37Z)
• Optimal control for maximally creating and maintaining a superposition state of a two-level system under the influence of Markovian decoherence [0.0]
  マルコフのデコヒーレンスの影響を受け、2レベルモデルシステム(qubit)を数値的に研究する。 最適なパルスは、デファス化、人口減少、パルス流速、制御期間の値を体系的に変化させながら、数値的に設計する。 デコヒーレンスによる純度低下は目標期待値の上限に達するが、最適形状のパルスはデコヒーレンスを効果的に扱う。
  論文  参考訳（メタデータ） (2022-09-15T05:47:28Z)
• A neural network-supported two-stage algorithm for lightweight dereverberation on hearing devices [13.49645012479288]
  本稿では,2段階の軽量オンライン補聴器のオンライン補聴アルゴリズムについて述べる。 このアプローチは、マルチチャネルのマルチフレーム線形フィルタとシングルチャネルのシングルフレームポストフィルタを組み合わせる。 どちらのコンポーネントも、ディープニューラルネットワーク(DNN)によって提供されるパワースペクトル密度(PSD)の推定に依存している。
  論文  参考訳（メタデータ） (2022-04-06T11:08:28Z)
• A deep learning approach for inverse design of the metasurface for dual-polarized waves [1.1254693939127909]
  機械学習に基づく手法は、最近メタ曲面の逆実現のための刺激的なプラットフォームを作成した。 本稿では,TE波とTM波の両方に対して,超広帯域の動作周波数帯における出力単位セル構造の生成にDeep Neural Network(DNN)を用いた。
  論文  参考訳（メタデータ） (2021-05-12T17:15:31Z)
• DUT-LFSaliency: Versatile Dataset and Light Field-to-RGB Saliency Detection [104.50425501764806]
  ライトフィールドサリエンシー検出のための汎用性の高いアプリケーションを可能にする大規模なデータセットを紹介します。 本論文では,フォカルストリームとRGBストリームからなる非対称2ストリームモデルを提案する。 実験は、我々の焦点ストリームが最先端のパフォーマンスを達成することを実証する。
  論文  参考訳（メタデータ） (2020-12-30T11:53:27Z)
• Appliance identification using a histogram post-processing of 2D local binary patterns for smart grid applications [2.389598109913753]
  本稿では,電力信号から2次元空間への変換後の電力信号の抽出手法を提案する。 従来のLBPの識別能力の向上に依存する改良された局所二分法(LBP)を提案する。 2つの異なるデータセットに対して総合的な性能評価を行う。
  論文  参考訳（メタデータ） (2020-10-03T19:23:30Z)

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。