圣地亚哥 - 利用机器学习的新工作可以提高光通信网络的效率。随着我们的世界变得越来越互联，与传统的铜线相比，光纤电缆能够在更长的距离上传输更多数据。光传输网络（OTN）已成为光纤电缆封装数据的解决方案，而改进能使其具有更高的成本效益。

用于自动驾驶汽车的人工智能技术也可用于使光传输网络更有效地运行

来自巴塞罗那UniversitatPolitècnicadeCatalunya和电信公司华为的一组研究人员重新设计了一种用于国际象棋和自动驾驶汽车的人工智能技术，以使OTN更有效地运行。他们将在3月3日至7日在美国加利福尼亚州圣地亚哥举行的光纤会议和博览会上展示他们的研究成果。

OTN需要有关如何分配他们管理的大量流量的规则，并编写规则以使这些瞬间决策变得非常复杂。例如，如果网络提供比语音呼叫所需的更多空间，则可能更好地使用未使用的空间以确保流式传输视频的最终用户不会“仍然缓冲”消息。

OTN需要的是更好的交通警卫

研究人员解决这一问题的新方法结合了两种机器学习技术：第一种称为强化学习，创建了一个虚拟的“代理人”，通过反复试验学习系统的细节来优化资源的管理方式。第二种，称为深度学习，通过使用所谓的神经网络为基于强化的方法增加了额外的复杂性，神经网络是受人类大脑启发的计算机学习系统，从每轮试验和错误中得出更抽象的结论。

“深层强化学习已成功应用于许多领域，”其中一位研究人员Albert Cabellos-Aparicio说。“然而，它在计算机网络中的应用是最流行的。我们希望我们的论文有助于启动网络中的深层强化学习，并且希望其他研究人员提出了不同甚至更好的方法。”

到目前为止，最先进的深度强化学习算法已经能够优化OTN中的一些资源分配，但是当它们遇到新的场景时它们会被卡住。研究人员通过改变数据呈现给代理的方式来克服这个问题。

在通过5,000轮模拟学习OTN之后，深度强化学习代理以比当前最先进算法高30％的效率引导流量。

让Cabellos-Aparicio和他的团队感到惊讶的一件事是，在开始使用空白石板之后，新方法能够轻松地了解网络。

“这意味着，如果没有先验知识，深层强化学习代理可以学习如何自主优化网络，”Cabellos-Aparicio说。“这导致优化策略优于专家算法。”

Cabellos-Aparicio表示，随着一些光传输网络的庞大规模，即使效率的小幅提升也能在减少延迟和运营成本方面获得丰厚回报。

接下来，该小组计划将其深层加固战略与图形网络相结合，图形网络是人工智能领域的一个新兴领域，具有改变科学和工业领域的潜力，如计算机网络、化学和物流。

听取研究小组的意见：“在光传输网络中基于深度强化学习的路由”，作者：Jose Suarez-Varela，Albert Mestres，Junlin Yu，Li Kuang，Haoyu Feng，Pere Barlet-Ros，Albert Cabellos-Aparicio，将在 3月4日星期一中午12点在圣地亚哥会议中心1号厅举行。

媒体注册：OFC 2019的媒体/分析师注册可在线访问。 有关更多信息，请访问OFC的活动网站，包括旅行详情。

关于OFC

光纤会议和展览会（OFC）是全球最大的光通信和网络专业人士会议和展览会。40多年来，OFC吸引了来自世界各地的与会者，交流和学习，建立联系并推动业务发展。

OFC包括动态业务编程，超过700家公司的展览，以及有影响力的同行评审研究，这些研究结合起来展示了整个光网络和通信行业的趋势和脉搏。 OFC由光学学会（OSA）管理，由OSA、IEEE通信协会（IEEE / ComSoc）和IEEE光子学会共同赞助。

微信分享

x

用微信扫描二维码
分享至好友和朋友圈

网站内容来源于互联网、原创，由网络编辑负责审查，目的在于传递信息，提供专业服务，不代表本网站及新媒体平台赞同其观点和对其真实性负责。如因内容、版权问题存在异议的，请在 20个工作日内与我们取得联系，联系方式：021-80198330。网站及新媒体平台将加强监控与审核，一旦发现违反规定的内容，按国家法规处理，处理时间不超过24小时。