Modelos de aprendizado de máquina para estimar a qualidade de transmissão em redes ópticas

Abstract

Este trabalho se refere ao uso de modelos de aprendizado de máquina para estimar a qualidade de transmissão em redes ópticas. O trabalho aborda o uso de modelos e técnicas de aprendizado de máquina para estimar a qualidade de transmissão (QoT) em sistemas de comunicação por fibras ópticas. O objetivo é analisar a eficácia de três modelos de aprendizado de máquina quando usados para estimar a QoT de um caminho óptico ainda não estabelecido. Isso pode otimizar o provisionamento de caminhos ópticos, descartando conexões com baixa QoT e melhorando o desempenho geral da rede. O estudo aborda a complexidade das redes ópticas, incluindo a composição dos caminhos ópticos, com fibras ópticas, amplificadores, receptores ópticos, transmissores ópticos, multiplexação por divisão de comprimento de onda (WDM). Apesar dos desafios de modelar interferências não lineares, o uso de algoritmos de aprendizado de máquina apresentam-se como uma abordagem promissora para aprimorar a eficiência e confiabilidade das redes ópticas.