論文の概要: A comparison between black-, grey- and white-box modeling for the bidirectional Raman amplifier optimization
- arxiv url: http://arxiv.org/abs/2310.05954v2
- Date: Wed, 31 Jul 2024 13:41:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-01 13:37:09.242199
- Title: A comparison between black-, grey- and white-box modeling for the bidirectional Raman amplifier optimization
- Title(参考訳): 双方向ラマン増幅器最適化のための黒・灰色・白ボックスモデルの比較
- Authors: Metodi P. Yankov, Mehran Soltani, Andrea Carena, Darko Zibar, Francesco Da Ros,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.8098985611919018
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Designing and optimizing optical amplifiers to maximize system performance is becoming increasingly important as optical communication systems strive to increase throughput. Offline optimization of optical amplifiers relies on models ranging from white-box models deeply rooted in physics to black-box data-driven and physics-agnostic models. Here, we compare the capabilities of white-, grey- and black-box models on the challenging test case of optimizing a bidirectional distributed Raman amplifier to achieve a target frequency-distance signal power profile. We show that any of the studied methods can achieve similar frequency and distance flatness of between 1 and 3.6 dB (depending on the definition of flatness) over the C-band in an 80-km span. Then, we discuss the models' applicability, advantages, and drawbacks based on the target application scenario, in particular in terms of flexibility, optimization speed, and access to training data.
- Abstract(参考訳): スループット向上を目指す光通信システムにおいて,システム性能を最大化するための光増幅器の設計と最適化がますます重要になっている。
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。
ここでは、双方向分散ラマン増幅器を最適化し、ターゲット周波数距離信号のパワープロファイルを実現するという課題に対して、ホワイトボックス、グレイボックス、ブラックボックスモデルの有効性を比較した。
実験手法のいずれにおいても,80km間隔でCバンド上の1~3.6dB(平坦度の定義に依存する)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。
次に、対象のアプリケーションシナリオ、特に柔軟性、最適化速度、トレーニングデータへのアクセスに基づくモデルの適用性、利点、欠点について論じる。
関連論文リスト
- DITTO: Diffusion Inference-Time T-Optimization for Music Generation [49.90109850026932]
Diffusion Inference-Time T-Optimization (DITTO) は、事前訓練されたテキストから音楽への拡散モデルを推論時に制御するためのフレームワークである。
我々は、インペイント、アウトペイント、ループ化、強度、メロディ、音楽構造制御など、驚くほど幅広い音楽生成応用を実証する。
論文 参考訳(メタデータ) (2024-01-22T18:10:10Z) - Black-Box Tuning of Vision-Language Models with Effective Gradient
Approximation [71.21346469382821]
ブラックボックスモデルに対するテキストプロンプト最適化と出力特徴適応のための協調ブラックボックスチューニング(CBBT)を導入する。
CBBTは11のダウンストリームベンチマークで広範囲に評価され、既存のブラックボックスVL適応法と比較して顕著に改善されている。
論文 参考訳(メタデータ) (2023-12-26T06:31:28Z) - E^2VPT: An Effective and Efficient Approach for Visual Prompt Tuning [55.50908600818483]
新しいタスクのための微調整された大規模な事前学習型ビジョンモデルは、パラメーター集約化が進んでいる。
本稿では,大規模なトランスフォーマーモデル適応のための効果的かつ効率的なビジュアルプロンプトチューニング(E2VPT)手法を提案する。
提案手法は2つのベンチマークにおいて,最先端のベースラインを上回っている。
論文 参考訳(メタデータ) (2023-07-25T19:03:21Z) - Gaussian Blue Noise [49.45731879857138]
ブルーノイズスペクトルを用いた点分布生成の枠組みが,前例のない品質を実現することを示す。
我々のアルゴリズムは、同じ品質を維持しながら、スムーズかつ実現可能な高次元化を実現している。
論文 参考訳(メタデータ) (2022-06-15T20:22:16Z) - Flexible Raman Amplifier Optimization Based on Machine Learning-aided
Physical Stimulated Raman Scattering Model [1.0499611180329804]
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。
論文 参考訳(メタデータ) (2022-06-13T09:08:18Z) - BBTv2: Pure Black-Box Optimization Can Be Comparable to Gradient Descent
for Few-Shot Learning [83.26610968655815]
Black-Box Tuningは、言語モデルの入力に先立って、連続的なプロンプトトークンを最適化するためのデリバティブフリーなアプローチである。
BBTv2は、言語モデルをグラデーションベースの最適化に匹敵する結果を得るために駆動する、純粋なブラックボックス最適化手法である。
論文 参考訳(メタデータ) (2022-05-23T11:10:19Z) - Blind Equalization and Channel Estimation in Coherent Optical
Communications Using Variational Autoencoders [1.7188280334580193]
光通信におけるキャリア回復のための変分推論に基づく適応型ブラインド等化器の可能性について検討する。
変分オートエンコーダ(VAE)等化器の概念を高次変調形式に一般化する。
論文 参考訳(メタデータ) (2022-04-25T16:46:03Z) - SNR optimization of multi-span fiber optic communication systems
employing EDFAs with non-flat gain and noise figure [0.0]
信号間雑音(SNR)最適化のためのマルチスパン伝送システムのコンポーネントワイズモデルを提案する。
GFFのないCバンド増幅器のゲインおよびノイズフィギュアスペクトルプロファイルについて、機械学習に基づくモデルを訓練する。
SNR平坦度を1.2dBまで同時に達成する。
論文 参考訳(メタデータ) (2021-06-07T14:09:53Z) - 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)
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。