查看“WikiEdge:ArXiv-2409.03547v1/summary”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2409.03547v1/summary|action=edit}} 编辑]</div>
这篇论文介绍了一种用于[[色散补偿]]的[[硅光子神经网络]]（PNN），并验证了其在20 Gbps 4级脉冲幅度调制（PAM4）信号中，对于125公里传输距离的有效性。研究还探讨了该技术的可扩展性，预测其能够支持高达100 Gbps的数据速率。
# '''引言'''：
#* 论文首先讨论了互联网数据传输技术的发展，特别是[[光纤通信]]技术的进步，以及市场对传输容量和距离产品需求的不断增长。介绍了[[相干接收机]]在长途传输中的应用，以及在短距离应用中采用的[[强度调制/直接检测]]（IM-DD）技术。指出了色散补偿技术在提高传输质量中的重要性。
# '''实验设置与程序'''：
#* 详细描述了PNN设备的测试设置，包括其在[[硅上绝缘体]]平台上的实现，以及如何通过电流控制的微加热器调节[[Mach-Zehnder干涉仪]]（MZI）和[[相位移动器]]（PS）来施加幅度和相位权重。讨论了如何定义损失函数以及如何选择最小化算法来训练PNN。
# '''结果与讨论'''：
#* 展示了PNN在不同训练条件下的性能，包括使用[[粒子群优化]]（PSO）和[[Adam算法]]进行训练的结果。比较了不同训练策略，并讨论了PNN在不同传输距离下的性能，包括其对信号眼图的改善和[[误码率]]（BER）的降低。
# '''与其他方法的比较'''：
#* 将PNN的性能与其他色散补偿技术进行了比较，包括基于[[微环]]（MR）和[[光子集成滤波器]]的解决方案。讨论了PNN在插入损耗、色散补偿范围和[[波分复用]]（WDM）应用中的性能。
# '''结论'''：
#* 总结了PNN作为一种有效的色散补偿解决方案的潜力，尤其是在减少功耗和简化网络方面。同时指出了制造缺陷对PNN性能的影响，并提出了未来研究的方向，包括对[[非线性效应]]的补偿和对[[相干调制格式]]的支持。