top of page

利用矽光學光神經網路進行PAM4訊號重建

Enlight Technology

隨著光纖通信系統不斷追求更高的數據傳輸速率,4階脈衝幅度調變(4-level Pulse Amplitude Modulation, PAM4)等高階調變格式逐漸成為主流。然而,光纖色散等傳輸損耗會導致PAM4訊號退化,因此需要訊號再生技術。本文簡介如何利用基於矽光子的光學神經網路(Optical Neural Network, ONN)實現PAM4訊號再生。

ONN概述

傳統基於電子硬體的神經網路存在速度、可延伸性與高功耗的限制。相比之下,使用整合光子技術的光學神經網路可以更高效地執行人工智慧與機器學習演算法。目前的ONN設計主要利用衍射光柵、超表面或馬赫-曾德爾干涉儀(Mach-Zehnder Interferometers, MZI)實現矩陣/向量運算。

ONN架構

本文提出的ONN架構基於迴歸模型,利用串接的MZI網格重建PAM4訊號。架構主要特點如下:

1.MZI單元與矩陣運算

每個MZI充當2x2矩陣,通過可調相移θ與ϕ完成線性轉換。多個MZI以Reck網格結構串接,實現全連接神經網路矩陣運算,從而將輸入訊號X轉換為輸出訊號Y

2.非線性啟用

非線性啟用通過電光結構完成,包括定向耦合器、光檢測器、電子放大器和MZI。此結構使網路具備處理劣化PAM4訊號的能力。

3.訓練與最佳化

在模型訓練中,透過調整MZI相移值,使劣化的PAM4訊號與目標訊號之間的均方誤差最小化,從而最佳化ONN性能。

實驗結果與分析

訊號重建效果

透過設計的ONN架構,40 Gbaud PAM4訊號經過長距離光纖傳輸後,能夠重建至接近原始訊號品質。實驗顯示,該方法可有效將位元錯誤率(BER)降低至滿足軟判定前向錯誤更正(SD-FEC)門檻的水平,最大傳輸距離可達12公里。

眼圖比較

經光纖傳輸後,PAM4訊號受到嚴重失真,但經過ONN處理後,眼圖顯示出更大的開口與更清晰的邊界,證明訊號品質得到顯著提升。

結論與未來展望

本文提出了一種基於矽光子ONN的PAM4訊號再生方法,透過訓練MZI網格迴歸模型,有效改善因光纖傳輸退化的40 Gbaud PAM4訊號品質,並在12km傳輸距離內達到SD-FEC要求。同時,該方法避免了光電轉換,實現了高效的全光訊號處理。


參考資料

T.-Y. Hung, C.-C. Wang, C.-W. Chow, Y.-C. Chang, and C.-H. Yeh, "PAM4 Signal Regenerator Using Mach-Zehnder Interferometer Based Optical Neural Network (ONN)," Department of Photonics, National Yang Ming Chiao Tung University, Hsinchu 30010, Taiwan; Department of Photonics, Feng Chia University, Seatwen, Taichung 40724, Taiwan, 2024, pp. 1-6, doi: 979-8-3503-9404-7/24/$31.00 ©2024 IEEE.


Commentaires


Enlight Technology ©

300195 新竹市東區光復路二段295號7樓之3

7F.-3, No. 295, Sec. 2, Guangfu Rd.,

East Dist., Hsinchu City 300195, Taiwan

T +886-3-602-7403
F +886-3-563-0016

​E sales@enlight-tec.com

Siemens EDA Solution Partner
  • Facebook
  • LinkedIn
  • YouTube

©2025 Enlight Technology Co., Ltd. All Rights Reserved
未經我們事前書面同意,任何人皆不得將本網站上刊登之著作,以任何方式進行利用,如有侵害我們的權益,我們將依法追究相關法律責任。
法律顧問:誠創法律事務所

bottom of page