nsu_evsedov_202308.pdf

• Седов Егор Валентинович, аспирант ФФ НГУ, м.н.с. лаборатория нелинейной фотоники НГУ.
• Чеховской Игорь Сергеевич, к.ф.-м.н., н.с лаборатория нелинейной фотоники НГУ.
• Прилепский Ярослав Евгеньевич, Aston Institute of Photonic Technologies, Aston University, Birmingham, United Kingdom.

В связи с постоянно возрастающим спросом на пропускную способность оптических каналов возможность конструктивного использования нелинейных эффектов в волоконно-оптических системах с использованием новых концепций, таких как нелинейное преобразование Фурье (nonlinear Fourier transform – NFT), в последнее время стала предметом исследований. Одной из важнейших проблем при использовании NFT для обработки и передачи оптических сигналов является чувствительность систем на основе NFT к отклонениям оптических каналов от идеализированной модели, при этом шум является одной из основных проблем. В данной работе мы предлагаем архитектуру нейронной сети (neural network – NN), которая позволяет прогнозировать непрерывный нелинейный спектр оптических сигналов и выполнять обратное NFT для модуляции сигнала. Среднее значение относительной ошибки предсказания непрерывного спектра нейронной сетью при вычислении прямого NFT составило 2.68e-3. Для обратного преобразования среднее значение относительной ошибки предсказания сигнала равнялось 1.62e-4.

• Исследование выполнено при поддержке фонда Президента РФ для государственной поддержки молодых российских учёных (грант № МК-677.2020.9).
• Работа Чеховского И.С. была поддержана государственным заданием на проведение фундаментальных исследований FSUS-2020-0034.
• Работа Прилепского Я.Е. поддержана Leverhulme Trust, project RPG-2018-063.

• Sedov, E.V., Chekhovskoy, I.S. and Prilepsky, J.E.E., 2021. Neural network for calculating direct and inverse nonlinear Fourier transform. Quantum Electronics, 51(12), p.1118.
• Sedov, E.V., Chekhovskoy, I.S., Prilepsky, J.E.E. and Fedoruk, M.P., 2020. Application of neural networks to determine the discrete spectrum of the direct Zakharov–Shabat problem. Quantum Electronics, 50(12), p.1105.
• Sedov, E.V., Freire, P.J., Seredin, V.V., Kolbasin, V.A., Kamalian-Kopae, M., Chekhovskoy, I.S., Turitsyn, S.K. and Prilepsky, J.E., 2021. Neural networks for computing and denoising the continuous nonlinear Fourier spectrum in focusing nonlinear Schrödinger equation. Scientific Reports, 11(1), p.22857.
• Sedov, E., Freire, P.J., Chekhovskoy, I., Turitsyn, S. and Prilepsky, J., 2021, September. Neural Networks For Nonlinear Fourier Spectrum Computation. In 2021 European Conference on Optical Communication (ECOC) (pp. 1-4). IEEE.