在當(dāng)今數(shù)字經(jīng)濟(jì)飛速發(fā)展的時代，數(shù)據(jù)流量正呈現(xiàn)爆發(fā)式增長態(tài)勢。據(jù)IDC預(yù)測，到2025年，全球數(shù)據(jù)圈將達(dá)到175-181澤字節(jié)，約為2020年的三倍之多。這股數(shù)據(jù)洪流主要由AI大模型、生成式AI和邊緣計算的爆發(fā)式增長所驅(qū)動。傳統(tǒng)光通信系統(tǒng)在“容量-距離-效率”三角關(guān)系中一直尋求平衡，但面對如此巨大的數(shù)據(jù)傳輸需求，這一平衡正被打破，光通信網(wǎng)絡(luò)作為數(shù)字經(jīng)濟(jì)的核心基礎(chǔ)設(shè)施，正面臨前所未有的機(jī)遇和挑戰(zhàn)。
近日，中國信科旗下烽火通信聯(lián)合中國移動、光通信技術(shù)和網(wǎng)絡(luò)全國重點實驗室、鵬城實驗室等單位，實現(xiàn)了基于遷移學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)均衡技術(shù)在200公里標(biāo)準(zhǔn)單模光纖上突破254.7Tb/s的超高速傳輸。該技術(shù)覆蓋19.8THz頻譜帶寬，頻譜效率達(dá)到12.86bit/s/Hz，對未來光網(wǎng)絡(luò)的架構(gòu)設(shè)計、應(yīng)用場景與產(chǎn)業(yè)生態(tài)具有深刻影響，為下一代光通信系統(tǒng)的發(fā)展樹立了新的里程碑。
01 刷新世界紀(jì)錄，光傳輸系統(tǒng)三項核心技術(shù)突破
此研究中的傳輸系統(tǒng)通過基于神經(jīng)網(wǎng)絡(luò)（NN）的均衡技術(shù)，成功實現(xiàn)了在200公里的單模光纖上傳輸254.7Tb/s的凈數(shù)據(jù)傳輸速率。這一成果不僅打破了光纖通信領(lǐng)域的傳輸紀(jì)錄，也為未來數(shù)據(jù)傳輸?shù)娜萘亢托侍嵘峁┝藦?qiáng)有力的技術(shù)支持。
在大容量傳輸方面，通過引入密集波分復(fù)用和多波段協(xié)同傳輸（S+C+L），使傳輸系統(tǒng)覆蓋19.8THz的光譜帶寬，較傳統(tǒng)系統(tǒng)提升了4倍以上。為確保各波段信號功率的均勻性，系統(tǒng)集成先進(jìn)譜平坦化技術(shù)與混合放大方案，頻譜效率達(dá)12.86bit/s/Hz，展現(xiàn)“長距離+高容量”的協(xié)同優(yōu)勢，為未來網(wǎng)絡(luò)應(yīng)對數(shù)據(jù)洪流提供核心技術(shù)支撐。
在傳輸質(zhì)量方面，系統(tǒng)設(shè)計在200公里傳輸后仍保持優(yōu)異的信號質(zhì)量，通過融合先進(jìn)偏振復(fù)用技術(shù)與概率整形高階調(diào)制方案，實現(xiàn)信號熵值精準(zhǔn)優(yōu)化，并結(jié)合組合放大技術(shù)及拉曼放大技術(shù)，有效優(yōu)化信號衰減和非線性效應(yīng)，確保傳輸?shù)姆�(wěn)定性。在數(shù)據(jù)中心互聯(lián)場景中，能夠在保證傳輸質(zhì)量的前提下，顯著減少網(wǎng)絡(luò)復(fù)雜度，為跨區(qū)域算力調(diào)度和海量數(shù)據(jù)協(xié)同等核心需求提供高效支撐，助力數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施建設(shè)降本增效。
在智能化傳輸方面，利用AI算法加持，以遷移學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)均衡技術(shù)使系統(tǒng)總吞吐量提升11.7%。傳統(tǒng)數(shù)字信號處算法在補(bǔ)償復(fù)雜非線性時面臨精度瓶頸，而基于AI算法能夠使每個波段配備獨立的NN模型進(jìn)行信號均衡，補(bǔ)償和修正非線性誤差，系統(tǒng)功耗有效降低，為AI賦能綠色數(shù)字創(chuàng)新發(fā)展提供新的解決路徑。
02 光網(wǎng)絡(luò)+AI，遷移學(xué)習(xí)賦能高效模型訓(xùn)練
本次研究的核心技術(shù)亮點之一，是通過神經(jīng)網(wǎng)絡(luò)（NN）對光纖傳輸系統(tǒng)進(jìn)行誤差修正。傳統(tǒng)的光纖傳輸系統(tǒng)依賴于數(shù)學(xué)模型和硬件電路來補(bǔ)償非線性效應(yīng)，但效率和精度往往受限，而此AI算法能夠更高效地提升系統(tǒng)效率。
在效率提升方面，傳統(tǒng)方法S、C、L波段需分別訓(xùn)練獨立的NN模型，面臨數(shù)據(jù)需求量大、訓(xùn)練周期長的問題。該研究采用“先訓(xùn)練基準(zhǔn)模型，再遷移關(guān)鍵參數(shù)”的策略，允許神經(jīng)網(wǎng)絡(luò)在C波段的訓(xùn)練基礎(chǔ)上，將經(jīng)驗應(yīng)用于S和L波段，數(shù)據(jù)需求量減少70%，訓(xùn)練周期縮短50%，突破性解決了光通信系統(tǒng)中“數(shù)據(jù)采集難、模型部署慢”的痛點，加速NN均衡器在現(xiàn)網(wǎng)落地。
在泛化能力方面，S和L波段模型在遷移C波段參數(shù)后，即使面對不同的波長特性、功率分布與非線性環(huán)境，仍能保持穩(wěn)定性能。L 波段在引入NN均衡器后，凈數(shù)據(jù)率提升12.3%，與C波段性能提升幅度相當(dāng)；并且在光背靠背配置中測試了NN均衡器，發(fā)現(xiàn)其對收發(fā)機(jī)內(nèi)部非線性（如調(diào)制器帶寬限制、放大器噪聲）的補(bǔ)償效果顯著。這種跨波段、跨場景的泛化能力，使遷移學(xué)習(xí)成為光通信系統(tǒng)中AI應(yīng)用的關(guān)鍵使能技術(shù)，為未來光網(wǎng)絡(luò)的智能化演進(jìn)奠定了基礎(chǔ)。
03 面向未來，國產(chǎn)先進(jìn)技術(shù)引領(lǐng)P比特時代
本次傳輸紀(jì)錄的創(chuàng)新突破，標(biāo)志著光通信系統(tǒng)在AI賦能下邁入新的發(fā)展階段。面向未來6G、低空經(jīng)濟(jì)等網(wǎng)絡(luò)需求，光網(wǎng)絡(luò)需具備更高容量、更低時延和更強(qiáng)韌性。隨著AI技術(shù)與光通信的深度融合，我們有望看到更多“智能光網(wǎng)絡(luò)”的出現(xiàn)，為全球數(shù)字化進(jìn)程打造堅實的基礎(chǔ)設(shè)施，提供超高速、高可靠的底層傳輸支撐，尤其適用于跨洲際、跨海洋等大容量長距離場景。伴隨多波段擴(kuò)展、算法優(yōu)化與硬件集成的持續(xù)推進(jìn)，光網(wǎng)絡(luò)將真正邁入“智能、超寬、超高速”的P比特時代，為數(shù)字經(jīng)濟(jì)的蓬勃發(fā)展打造堅實的全光底座。
