Skip to main content

TEC2016-80063-C3-2-R. Mejorando la descodificación de datos de forma óptica en redes de comunicaciones por fibra utilizando dispositivos fotónicos neuroinspirados (IDEA)

Las nuevas tecnologías relacionadas con las comunicaciones ópticas, los sensores, el Internet de las Cosas y la inteligencia artificial están generando oportunidades con potencial para mejorar nuestra calidad de vida y proporcionar nuevos servicios para la sociedad y economía. Sin embargo, para gestionar y procesar la creciente cantidad de datos en las comunicaciones ópticas y los sensores es necesario mejorar nuestra capacidad para manejar esos datos a alta velocidad, con un hardware adecuado y con una alta eficiencia energética. El objetivo de este proyecto es desarrollar un novedoso método para descodificar datos de forma óptica aplicándolo a las redes de comunicaciones ópticas, que sea capaz de cumplir los requisitos previamente mencionados, basándonos en sistemas de procesado de información neuro-inspirados. Actualmente hay técnicas que ofrecen excelentes resultados para el procesado de datos, sobre todo en el área del aprendizaje automático, pero sus exigencias de energía y su falta de velocidad obstaculizan su uso en muchas aplicaciones actuales y futuras. Además, estas técnicas no son aplicables en las redes de comunicaciones por fibras, en particular en el dominio óptico. En este proyecto seguimos un enfoque multidisciplinar, que engloba aspectos de ingeniería, física, neurociencia e informática, basándonos en nuestra experiencia en el diseño y desarrollo de sistemas de procesamiento de información en hardware fotónico. A diferencia del aprendizaje automático tradicional, cuya estructura habitual es una red de muchos nodos interconectados, aquí usamos un sencillo sistema dinámico. Éste está formado por un nodo no lineal con retraso y es capaz de explotar la riqueza dinámica de los sistemas con retraso para procesar información. Nuestro objetivo es usar este enfoque multidisciplinar para mejorar nuestro sistema, introduciendo técnicas novedosas de preprocesado, múltiples niveles y nuevas técnicas de aprendizaje adaptado a las necesidades de los datos. Aparte de la implementación en el dominio óptico, para mitigar el riesgo, nuestra técnica podría aplicarse en el dominio eléctrico tras la detección de la señal. El principio rector de este proyecto será el desarrollo e implementación de técnicas de descodificación de datos que combinan simplicidad conceptual, hardware de alta velocidad, flexibilidad, eficiencia energética y alto rendimiento. Para lograr este objetivo se han reunido tres grupos complementarios y altamente competitivos, que realizarán las siguientes tareas: – Exploración sistemática del preprocesado de los datos, esencial para que los datos sean más manejables y mejorar el posterior aprendizaje automático, sin perder las características esenciales necesarias para una descodificación de alto rendimiento. – Ampliación y adaptación de métodos de procesamiento de datos neuro-inspirados a la descodificación de datos en sistemas de comunicaciones por fibra, en el dominio óptico, respetando las restricciones impuestas por el hardware. – Estudio de dispositivos fotónicos rápidos y eficientes con simulaciones numéricas intensivas para ayudar en el diseño del sistema y su optimización. Este proyecto es un paso hacia el desarrollo de una técnica de descodificación ultra-rápida y energéticamente eficiente, complementaria a las estándar, utilizando recursos mínimos y con alto rendimiento, y sirviendo a una sociedad digital en el que la tecnología se emplea para mejorar el tratamiento de datos y proporcionar nuevos servicios.

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

Investigador/a de la Universidad de La Laguna