研究課題/領域番号 |
20K05367
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分30020:光工学および光量子科学関連
|
研究機関 | 明治大学 |
研究代表者 |
中村 守里也 明治大学, 理工学部, 専任准教授 (40359071)
|
研究期間 (年度) |
2020-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
キーワード | ニューラルネットワーク / 機械学習 / 非線形イコライザ / 非線形波形歪み補償 / 光学非線形 / 光ファイバ通信 / 非線形補償 / ディジタル信号処理 |
研究開始時の研究の概要 |
光ファイバ伝送における光学非線形現象による信号の歪みをディジタル信号処理によって補償する新しい手法について研究を行う。具体的には、現在進展が著しい機械学習のアルゴリズムを応用すると共に、位相共役ツイン波やパイロットキャリア等、これまで検討されてきた光学的補償方式を組み合わせながら、非線形歪みの最適な補償方法を探る。従来のディジタル信号処理による非線形補償では、計算量が膨大になり現実的なシステムで使用できないという問題があった。研究代表者らは、機械学習のアルゴリズムを応用することで計算量が大幅に削減できる可能性を世界に先駆けて明らかにしており、その有効性について研究を進める。
|
研究実績の概要 |
機械学習アルゴリズムによる非線形イコライザの高性能化・高機能化について、昨年度に引き続き大きな研究の前進があった。まず、ニューラルネットワークを用いた非線形イコライザについては、4層以上のディープニューラルネットワークを用いた場合の特性を明らかにした。4層の場合、3層に比べ学習の収束が速くなる傾向が見えていたが、過学習が強く表れる場合があった。この過学習には、学習に用いるデータのパターンを記憶してしまうものだけではなく、ニューロンユニットの非線形性によって雑音を抑圧し、見かけ上、非線形補償後のEVMを小さくしてしまうことがあることを明らかにした。しかしこの場合、BERは逆に悪化する場合がある。現在、正則化等の手法を用いて過学習を抑え、特性を改善できる見込みを得ており、一部、国内において発表を行った。また、用いるニューラルネットワークとして、これまで順伝搬型のものを研究対象としていたが、相互結合型のものを用いたリザーバコンピューティングを利用し、非線形補償を行う方式についても検討を進めた。特に、これまで検討されていなかった複素ニューロンユニットを用いた複素リザーバコンピューティングを非線形イコライザとして用い、従来型のものに比べて計算量を大きく削減できることを明らかにした。この複素リザーバコンピューティングを用いた場合の非線形イコライザの特性をさらに明らかにすべく、研究を加速させており、2023年度中にさらに多くの成果を出せる見込みである。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
計画していた3つの方向((1)機械学習アルゴリズムによる非線形イコライザの高性能化と最適化、(2)機械学習アルゴリズムによる非線形イコライザの多機能化、(3)光学的手法とディジタル信号処理を組み合わせた新方式の研究)の中で、特に(1)と(2)のテーマにおいて顕著の進捗があった。(1)については4層のディープニューラルネットワークによる非線形イコライザの過学習特性の解析が進んだことや複素リザーバコンピューティングを用いた方式の検討において優れた成果が得られた。(2)については、複素リザーバコンピューティングを用いた場合に学習が非常に高速に進むことから、偏波追尾を同時に行う方式において問題となっていた追尾速度の問題点のブレークスルーとなる見込みが得られたことがある。 全体としておおむね順調に研究は進展した。
|
今後の研究の推進方策 |
現在の研究の方向性で順調に成果が出ているため、このまま更に研究を加速させながら進めていく予定である。特に、研究手法の比重をシミュレーションから実験へと移していく。非線形イコライザによる偏波追尾について、複素リザーバコンピューティングを用いた方式の導入によって追尾の高速化の目途がついたことから、理論・シミュレーションによる検討だけでなく実験的検討についても検討を進めていく。
|