[vc_row][vc_column][vc_tta_accordion shape=\u00bbsquare\u00bb c_icon=\u00bbchevron\u00bb c_position=\u00bbright\u00bb active_section=\u00bb\u00bb no_fill=\u00bbtrue\u00bb collapsible_all=\u00bbtrue\u00bb][vc_tta_section title=\u00bbResumen\u00bb tab_id=\u00bbresumen\u00bb][vc_column_text]<\/p>\n
Las nuevas tecnolog\u00edas relacionadas con las comunicaciones \u00f3pticas, los sensores, el Internet de las Cosas y la inteligencia artificial est\u00e1n generando oportunidades con potencial para mejorar nuestra calidad de vida y proporcionar nuevos servicios para la sociedad y econom\u00eda. Sin embargo, para gestionar y procesar la creciente cantidad de datos en las comunicaciones \u00f3pticas y los sensores es necesario mejorar nuestra capacidad para manejar esos datos a alta velocidad, con un hardware adecuado y con una alta eficiencia energ\u00e9tica. El objetivo de este proyecto es desarrollar un novedoso m\u00e9todo para descodificar datos de forma \u00f3ptica aplic\u00e1ndolo a las redes de comunicaciones \u00f3pticas, que sea capaz de cumplir los requisitos previamente mencionados, bas\u00e1ndonos en sistemas de procesado de informaci\u00f3n neuro-inspirados. Actualmente hay t\u00e9cnicas que ofrecen excelentes resultados para el procesado de datos, sobre todo en el \u00e1rea del aprendizaje autom\u00e1tico, pero sus exigencias de energ\u00eda y su falta de velocidad obstaculizan su uso en muchas aplicaciones actuales y futuras. Adem\u00e1s, estas t\u00e9cnicas no son aplicables en las redes de comunicaciones por fibras, en particular en el dominio \u00f3ptico. En este proyecto seguimos un enfoque multidisciplinar, que engloba aspectos de ingenier\u00eda, f\u00edsica, neurociencia e inform\u00e1tica, bas\u00e1ndonos en nuestra experiencia en el dise\u00f1o y desarrollo de sistemas de procesamiento de informaci\u00f3n en hardware fot\u00f3nico. A diferencia del aprendizaje autom\u00e1tico tradicional, cuya estructura habitual es una red de muchos nodos interconectados, aqu\u00ed usamos un sencillo sistema din\u00e1mico. \u00c9ste est\u00e1 formado por un nodo no lineal con retraso y es capaz de explotar la riqueza din\u00e1mica de los sistemas con retraso para procesar informaci\u00f3n. Nuestro objetivo es usar este enfoque multidisciplinar para mejorar nuestro sistema, introduciendo t\u00e9cnicas novedosas de preprocesado, m\u00faltiples niveles y nuevas t\u00e9cnicas de aprendizaje adaptado a las necesidades de los datos. Aparte de la implementaci\u00f3n en el dominio \u00f3ptico, para mitigar el riesgo, nuestra t\u00e9cnica podr\u00eda aplicarse en el dominio el\u00e9ctrico tras la detecci\u00f3n de la se\u00f1al. El principio rector de este proyecto ser\u00e1 el desarrollo e implementaci\u00f3n de t\u00e9cnicas de descodificaci\u00f3n de datos que combinan simplicidad conceptual, hardware de alta velocidad, flexibilidad, eficiencia energ\u00e9tica y alto rendimiento. Para lograr este objetivo se han reunido tres grupos complementarios y altamente competitivos, que realizar\u00e1n las siguientes tareas: – Exploraci\u00f3n sistem\u00e1tica del preprocesado de los datos, esencial para que los datos sean m\u00e1s manejables y mejorar el posterior aprendizaje autom\u00e1tico, sin perder las caracter\u00edsticas esenciales necesarias para una descodificaci\u00f3n de alto rendimiento. – Ampliaci\u00f3n y adaptaci\u00f3n de m\u00e9todos de procesamiento de datos neuro-inspirados a la descodificaci\u00f3n de datos en sistemas de comunicaciones por fibra, en el dominio \u00f3ptico, respetando las restricciones impuestas por el hardware. – Estudio de dispositivos fot\u00f3nicos r\u00e1pidos y eficientes con simulaciones num\u00e9ricas intensivas para ayudar en el dise\u00f1o del sistema y su optimizaci\u00f3n. Este proyecto es un paso hacia el desarrollo de una t\u00e9cnica de descodificaci\u00f3n ultra-r\u00e1pida y energ\u00e9ticamente eficiente, complementaria a las est\u00e1ndar, utilizando recursos m\u00ednimos y con alto rendimiento, y sirviendo a una sociedad digital en el que la tecnolog\u00eda se emplea para mejorar el tratamiento de datos y proporcionar nuevos servicios.<\/p>\n
[\/vc_column_text][\/vc_tta_section][vc_tta_section title=\u00bbAbstract\u00bb tab_id=\u00bbabstract\u00bb][vc_column_text]<\/p>\n
Novel technologies related to optical communications, sensing, the Internet of Things (IoT) and artificial intelligence have been generating unique opportunities and potential to enhance our quality-of-life, and to provide new services for our society and economy. However, the perspective to manage and process the dramatically increasing amount of data relies on our ability to handle these data with high-speed, suitable hardware and much improved energy efficiency. In this project, it is our aim to develop novel all-optical decoding schemes for optical communication networks, that are based on neuroinspired concepts and are able to fulfill the previous requirements. Excellently performing neuro-inspired concepts and algorithms, in particular related to machine learning, have been developed, but their energy requirements and lack of speed hinder their implementation in a significant number of current and future applications. In particular, this approach faces severe challenges, when trying to apply it in all-optical communication networks. Hence, in this proposal we follow a different approach, building upon our experience of designing and realizing neuro-inspired information processing systems, mainly in photonic hardware. In contrast to traditional machine learning, we replace the usual structure of a network composed of multiple connected nodes by a simple dynamical system. The latter comprises a nonlinear node subject to delayed feedback, exploiting the dynamical richness of the delay systems for computational purposes. We aim at extending these concepts by introducing novel pre-processing techniques, taking advantage of multilevel systems and applying novel learning concepts adapted to the particular data and processing requirements. To mitigate the risk, our approach could also be applied in the electronic domain after the signal detection. The guiding principle will be the realization and implementation of data decoding techniques that combine conceptual and hardware simplicity, high-speed, flexibility, energy efficiency and high performance. To achieve this goal we set up a multidisciplinary collaborative project between complementary and highly competitive groups, planning to carry out the following tasks: – To perform a systematic exploration of data-reduction and preprocessing. This task is essential in order to make the amounts of data tractable, shaping them to benefit most from the subsequent machine learning steps, all without losing the essential features required for a high-performance data decoding. – To extend and to adapt neuro-inspired processing methods for improving data decoding in the all-optical domain of optical communication networks, keeping hardware implementability, efficiency and performance high. – To explore fast, energy-efficient, photonic hardware via intensive numerical simulations helping in system design and optimization and via their experimental implementation. Altogether, this project represents an important step towards ultra-fast, energy-efficient data decoding techniques, complementary to standard approaches. It promises the identification of minimum requirements and the implementation of the concept with high performance. Ultimately, it serves a digital society, in which technology is harnessed to improve data handling and processing and to provide new service<\/p>\n
[\/vc_column_text][\/vc_tta_section][\/vc_tta_accordion][\/vc_column][\/vc_row]<\/p>\n","protected":false},"featured_media":0,"template":"","programas":[226],"coordinadores":[],"anep":[290],"inventor":[291],"class_list":["post-1440","proyectos-nacionales","type-proyectos-nacionales","status-publish","hentry","programas-retos","anep-area-de-tecnologia-electronica-y-de-las-comunicaciones-com","inventor-ernesto-pereda-de-pablo"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.ull.es\/servicios\/otc\/en\/wp-json\/wp\/v2\/proyectos-nacionales\/1440","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ull.es\/servicios\/otc\/en\/wp-json\/wp\/v2\/proyectos-nacionales"}],"about":[{"href":"https:\/\/www.ull.es\/servicios\/otc\/en\/wp-json\/wp\/v2\/types\/proyectos-nacionales"}],"version-history":[{"count":1,"href":"https:\/\/www.ull.es\/servicios\/otc\/en\/wp-json\/wp\/v2\/proyectos-nacionales\/1440\/revisions"}],"predecessor-version":[{"id":1441,"href":"https:\/\/www.ull.es\/servicios\/otc\/en\/wp-json\/wp\/v2\/proyectos-nacionales\/1440\/revisions\/1441"}],"wp:attachment":[{"href":"https:\/\/www.ull.es\/servicios\/otc\/en\/wp-json\/wp\/v2\/media?parent=1440"}],"wp:term":[{"taxonomy":"programas","embeddable":true,"href":"https:\/\/www.ull.es\/servicios\/otc\/en\/wp-json\/wp\/v2\/programas?post=1440"},{"taxonomy":"coordinadores","embeddable":true,"href":"https:\/\/www.ull.es\/servicios\/otc\/en\/wp-json\/wp\/v2\/coordinadores?post=1440"},{"taxonomy":"anep","embeddable":true,"href":"https:\/\/www.ull.es\/servicios\/otc\/en\/wp-json\/wp\/v2\/anep?post=1440"},{"taxonomy":"inventor","embeddable":true,"href":"https:\/\/www.ull.es\/servicios\/otc\/en\/wp-json\/wp\/v2\/inventor?post=1440"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}