Aplicações de machine learning para redes ópticas avançadas

Resumo

Os novos serviços digitais que foram popularizados nos últimos anos, como streaming de vídeo, computação em nuvem, e videochamadas em grupo, geraram um aumento expressivo na demanda de transmissão de dados. As redes de transporte, que canalizam fluxos em altas taxas de transmissão entre regiões diferentes de uma cidade ou entre cidades, são especialmente impactadas. Para suprir essa demanda são necessários a ampliação da infraestrutura baseada em fibras ópticas, única tecnologia capaz de atender taxas de transmissão acima de 1Tbps em longas distâncias, bem como o melhor aproveitamento das infraestruturas existentes. São grandes os desafios relacionados à complexidade de problemas envolvendo as diversas estratégias e tecnologias para atingir estas elevadas taxas de transmissão. Consideram-se utilizar outras bandas de transmissão no domínio óptico, evitando o desperdício de banda nos sistemas implantados, e a implantação de multiplexação espacial (Space Division Multiplexing - SDM). Existem diversas possibilidades de ampliação de capacidade das redes respeitando o nível de resiliência requerido e a qualidade de transmissão para assegurar altas taxas, seja utilizando bandas de transmissão alternativas, seja pela implantação de fibras ópticas avançadas com canais espaciais paralelos. Neste cenário, os modelos de aprendizado de máquina despontam alternativa viável para lidar com a crescente complexidade das redes e sistemas de comunicação óptica. De fato, eles aparecem como ferramentas importantes para as mais diversas tarefas, como modelamento de dispositivos, estimação de parâmetros, alocação de recursos e mitigação de degradações. Este projeto tem como propósito reunir pesquisadores de São Paulo e Pernambuco, que já atuam independentemente na área, em um ambiente sinérgico de colaboração. Espera-se, assim, incorporar novas técnicas de aprendizado de máquina às redes ópticas de comunicação, com atenção especial às redes elásticas SDM e multibanda, resultando em sistemas mais eficientes, sustentáveis e com maior capacidade de transmissão. (AU)