Aprendizado de máquina como um facilitador crucial para os futuros sistemas de comunicação de fibra óptica

• Processo: 24/01543-2
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 15 de julho de 2026
• Data de Término da vigência: 14 de julho de 2027
• Área de conhecimento: Engenharias - Engenharia Elétrica - Telecomunicações
• Pesquisador responsável: Helder May Nunes da Silva Oliveira
• Beneficiário: Helder May Nunes da Silva Oliveira
• Pesquisador Anfitrião: Alejandra Beghelli
• Instituição Sede: Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas (CECS). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
• Instituição Anfitriã: University College London (UCL), Inglaterra
• Assunto(s): Aprendizado computacional Redes ópticas
• Palavra(s)-Chave do Pesquisador: Deep Reinforcement Learning | machine learning | Optical Networks | Redes Ópticas

Resumo

O crescimento contínuo do tráfego da Internet está levando as operadoras de telecomunicações a fornecer soluções de conectividade robustas, econômicas e com desempenho adaptável para atender aos requisitos de qualidade de serviço das aplicações. Como resultado, o risco de um estrangulamento de capacidade está a aumentar, o que significa que as tecnologias da Internet não serão capazes de satisfazer a procura cada vez maior de capacidade. As redes ópticas são cruciais para a transmissão da maior parte do tráfego da Internet, pois oferecem a possibilidade de transportar dados a elevadas taxas de bits em distâncias que vão desde dimensões nacionais a globais. Para que o crescimento projetado seja viável, o custo por bit dos sistemas de transmissão de fibra deve ser reduzido, o que impede a instalação de mais cabos de fibra, pois isso é caro e perturbador. Portanto, aumentar a capacidade que as redes ópticas podem transmitir é crucial para mitigar o risco de gargalo de capacidade. Como as redes ópticas geram uma enorme quantidade de dados, é natural considerar a aplicação de técnicas baseadas em dados para conseguir isso. O aprendizado de máquina (ML) é uma forma promissora de desbloquear capacidade adicional em redes ópticas que tem sido extensivamente explorada na literatura. Neste contexto, o problema crucial abordado por este projeto de pesquisa é a aplicação de Deep Reinforcement Learning (DRL), para melhorar o desempenho e adaptabilidade de redes Multi-Mode Fiber (MMF). Este projeto dá continuidade aos esforços de pesquisa iniciados no projeto anterior FAPESP nº 20/05054-5 e está intimamente ligado ao projeto nº 22/07488-8.