Monitoring of Core Fiber Networks by Using Deep Learning Based Estimation

世界中に張り巡らされた光ファイバ通信網は,現代の 情報社会を支える最も重要な基盤のひとつである.近年の光ファイバ通信網においては消費電力を抑えるため,電気ルーターやスイッチを介さず光波長においてスイッチンクを行う光スイッチングが普及してい る.しかしながら,複数のノードをまたぐ長大な光パス上において,物理メディア(光ファイバ・光部品)の経年劣化,突発的品質低下などの事象を,経済的な手法で詳細に監視することは困難であった.本研究は,より安価で精細な物理層モニタリングの実現を目的 として,特に,光ネットワーク端に設置される光送受信器から得られる情報を,深層学習を用いて処理することで経路上の媒体(光ファイバ)の状態推定を行う.ディジタルコヒーレント型光送受信器とディープニューラルネットワークを組み合わせることで,深層学習を用いたモニタリング機を開発し,実証を進めている.

The global fiber-optic network is one of the most important infrastructures of modern information society. Today, optical switching technology, which switches route of path without electric routers and switches, is widely used in the optical networks to save the power consumption of the network equipment. However, there would be an issue on an economic realization of monitoring the actual states of optical medium (optical fiber and components) especially on long-haul light path which includes multiple optical nodes. In this study, in order to realize more economic monitoring, we propose and demonstrate the novel method of physical layer monitoring based on deep learning with coherent optical transceivers at network edge. We are developing a prototype of monitoring system by using deep neural learning and digital coherent optical transceiver.