Проблема потери сигнала и искажения данных при передаче информации знакома многим, особенно в условиях перегруженных каналов связи. Ученые предложили решение для оптических высокоскоростных сетей, основанное на гибридном использовании искусственного интеллекта.
Ученые представили метод машинного обучения, который помогает оптическим приемникам восстанавливать данные, потерянные из-за ограничений пропускной способности или перегрузок. Вместо полной замены классических инженерных решений нейросетевыми моделями, авторы работы интегрировали ИИ как вспомогательный инструмент. Система вносит точечные корректировки в работу стандартного приемника, сохраняя надежность традиционных подходов и добавляя гибкость современных алгоритмов. При хороших условиях связи ИИ автоматически отключается, что снижает энергопотребление.
В ходе испытаний гибридная система показала снижение количества ошибок передачи более чем на 40% в сценариях с жесткими ограничениями полосы пропускания, а в ряде случаев уровень битовых ошибок уменьшался вдвое. При этом в благоприятных условиях устройство переходило на обычный режим работы, не расходуя вычислительные ресурсы без необходимости.
Разработка может найти практическое применение в разных сферах: от уменьшения энергозатрат в центрах обработки данных и магистральных интернет-каналах до улучшения лазерной связи между самолётами, дронами и космическими аппаратами. Также технология полезна для мобильных сетей и спутниковых систем, где пропускная способность часто ограничена, а условия передачи быстро меняются.
Новизна подхода в том, что ИИ не заменяет классическую теорию информации, а дополняет ее, вмешиваясь лишь тогда, когда это дает выигрыш в качестве. Это позволяет использовать накопленные десятилетиями инженерные наработки, повышая их адаптивность без необходимости кардинальной смены оборудования. Технология пока находится на исследовательской стадии, однако предложенный принцип партнерства между человеком и алгоритмом может стать основой для более устойчивых и эффективных систем связи будущего.
Читайте также: ИИ-модель прогнозирует трехмерное состояние океана на глубину до 600 метров