L'une des tâches les plus importantes d'un ADON est de modéliser et de contrôler avec précision l'évolution de la puissance optique (OPE) sur les liaisons fibre optique, car elle détermine le niveau de bruit de dégradation et la qualité de transmission du signal.

Dans les systèmes de communication à fibre optique, la puissance optique des signaux évolue sur la fibre et varie selon différentes longueurs d'onde, présentant un processus physique complexe, en particulier pour les systèmes multibandes présentant une non-linéarité Kerr sévère et une diffusion Raman stimulée entre canaux.

Dans les ADON multibandes, l’OPE est principalement influencé par les processus de propagation et d’amplification des fibres. En particulier, le principal défi de la modélisation et du contrôle des OPE réside dans les amplificateurs optiques (OA). Les approches basées sur les données permettent d'atteindre une grande précision. Cependant, les méthodes traditionnelles basées sur les données, en particulier les réseaux de neurones (NN), nécessitent des données volumineuses pour construire des modèles de jumeaux numériques précis, ce qui entraîne des coûts de mesure importants.

Bien que certaines approches puissent minimiser les mesures requises grâce à des techniques telles que l'apprentissage par transfert ou l'intégration de connaissances physiques, la perspective de la sélection des données a reçu peu d'attention.

Récemment, des chercheurs de l'Université Jiao Tong de Shanghai (SJTU), à Shanghai, en Chine, ont proposé un cadre d'inférence bayésien (BIF) pour modéliser et contrôler efficacement les évolutions de la puissance optique dans les systèmes de communication à fibre optique.

Leurs recherches sont rapportées dans Advanced Photonics. dans un article intitulé "Modélisation de jumeaux numériques et contrôle de l'évolution de la puissance optique permettant des réseaux optiques à conduite autonome :une approche bayésienne."

S'appuyant sur la théorie bayésienne, le BIF sélectionne la prochaine configuration spectre/OA à mesurer par l'estimation des performances et l'analyse de l'incertitude. Cette approche permet l'exploitation et l'exploration simultanées d'un espace de données pour identifier les candidats les plus appropriés, réduisant ainsi la taille des données requise.

Les chercheurs ont mené des expériences et des simulations approfondies dans des systèmes de transmission à fibre optique en bande C+L, pour modéliser et contrôler l'OPE avec des OA hétérogènes, notamment un amplificateur à fibre dopée à l'erbium (EDFA) et un amplificateur Raman (RA).

Par rapport aux méthodes de modélisation basées sur NN utilisant des données collectées de manière aléatoire, le BIF proposé peut réduire les données nécessaires à la modélisation de plus de 80 % avec un EDFA et de plus de 60 % avec un RA. En termes de contrôle, des ajustements itératifs des spectres de signaux et des configurations de pompe ont été effectués, atteignant des spectres de gain/puissance cibles arbitraires en moins de 30 itérations.

Ce travail fournit une approche efficace pour sélectionner les données à mesurer de manière séquentielle. Les données mesurées peuvent être apprises immédiatement pour guider le prochain cycle de collecte et d'optimisation des données, permettant ainsi une modélisation et un contrôle efficaces des données pour l'OPE. De plus, l'analyse probabiliste du cadre proposé montre un potentiel d'analyse de fiabilité pour les opérations de réseau, ce qui est d'une importance vitale pour ADON.

Selon l'auteur correspondant, le professeur Qunbi Zhuge de SJTU, "Le cadre proposé peut constituer une voie technique prometteuse pour réaliser un ADON basé sur les données dans les futurs réseaux optiques."