AI приложенията в оптичните мрежи стават все по -важни за подобряване на производителността и надеждността на транспорта на данни. Чрез използването на AI/ML в оптичните мрежи мрежовите оператори могат да постигнат по -високи скорости на данни, подобрена надеждност и по -ниски оперативни разходи. AI позволява управление на сложни мрежи в мащаб и скорост, които биха били недостижими с традиционните методи. С развитието на оптичната мрежова технология и изискванията на данните нарастват, се очаква ролята на AI да се разшири още повече, стимулирайки иновациите в мрежовия дизайн, експлоатацията и поддръжката.
Какви са възможните AI/ML приложения за оптична мрежа?
Дизайн, планиране и оптимизация на мрежата:
• Прогнозиране на трафика: AI може да предвиди моделите на трафика и да коригира разпределението на честотната лента активно, за да отговори на търсенето, като по този начин оптимизира използването на мрежови ресурси.
• Оптимизация на маршрута: Алгоритмите за машинно обучение анализират мрежовите данни, за да определят най-ефективните пътища за пакети с данни, намаляване на латентността и задръстванията до концепцията за самолечещи мрежи
• Самосъзнаване на мрежи: AI/ML дава възможност на оптичните мрежи да се конфигурират автоматично, когато се добавят нови устройства или когато се открият промени в трафика.
• Разпределение на ресурсите: AI/ML динамично разпределя мрежовите ресурси като дължини на вълната и честотна лента, оптимизиране за текущите мрежови условия и търсене.
Прогноза за отказ:
• Чрез анализиране на мрежовите данни (исторически и текущи), AI може да предвиди кога е вероятно компонентите да се провалят и да планират поддръжка, преди да възникнат проблеми, подобрявайки надеждността на мрежата.
Откриване на аномалия за проактивна реставрация: AI/ML системите могат да наблюдават мрежата за аномалии, които могат да показват предстояща повреда, което позволява превантивно възстановяване на Услугите
Адаптивни системи за предаване:
• Регулиране на формата на модулация: AI/ML може да избере оптималния формат на модулация за предаване на данни въз основа на мрежовите условия в реално време, като например качеството на сигнала и нарушения на канала.
• Оптимизация на нивото на мощност: Алгоритмите на AI/ML регулират нивата на мощността на оптичните сигнали, за да осигурят ефективно предаване, като в същото време минимизират смущения и кръстосано говорене.
Учете се от Real Network:
• Интерпретация на мрежови данни: AI/ML Техники предоставя конструктивна интерпретация на данни от оптичен рефлектор за времеви домейни (OTDR) и ONM RAW данни
Оценка на качеството на предаването (QOT):
• QOT прогнозиране: AI моделите прогнозират качеството на предаване на нови връзки въз основа на различни мрежови параметри, помагайки да се гарантира, че SLAS (споразумения за ниво на обслужване) са изпълнени.
Учете се от Real Network: Автоматично разпознаване на събития на OTDRНека разгледаме по -отблизо наученото от Real Network Application. Оптичните експерти анализират следите на OTDR, за да идентифицират неизправности в връзките на влакната и да гарантират качеството на трансмисиите. Това се постига чрез изследване на подписите на събитията, които означават местоположението в следите на неизправност на конкретно устройство или повреда, като счупено влакно, лош конектор или огънато влакно. OTDR системите работят чрез инжектиране на къс лазерен импулс в единия край на влакното и измерват обратното разсейване и отразена светлина с фотодиод на същото място. Резултатът от този процес се нарича OTDR следа, т.е. графично представяне на оптичната сила като функция на разстоянието по протежение на влакното. Типичен пример се отчита на снимката по -долу.

Илюстрация на OTDR следа с множество събития. Текстовите пояснения описват основните причини за тези събития.
Вече е възможно да се използват скорошните алгоритми за автоматично откриване на събития AI/ML, за да се заобиколят отнемащи време и досадни човешки проверки. Приложението е „обучено“ да разбере и разпознае различните модели на събития като този по -долу.
Възможни модели, използвани за „трениране“ на алгоритъма.
Разпознаването на AI/ML събития е процес на визуално разпознаване: AI/ML може да види събития, които математическият OTDR анализ не може да намери. Това води до много мощен анализ за потребителя да екстраполира там, където оптичното влакно е имало проблем, за да може да го поправи.
Пример за AI/ML Опишете „събитията“ на потребителя.
Оптимизирайте и опростявайте управлението на оптичните мрежиКогнитивните мрежи са подмножество от AI приложения, пригодени специално за управление на мрежата, способни да събират данни, да се обучават от него, да разработват стратегии, да вземат решения и да изпълняват подходящи действия. Алгоритмите за машинно обучение са крайъгълният камък на този подход, предлагайки задълбочена представа за мрежовото поведение, което от своя страна дава възможност на операторите да вземат информирани и ефективни решения за оптимизация на мрежата.
Тези принципи са еднакво от значение за оптичните мрежи, където отключват множество случаи на използване, включително оптимизация на мрежата, проактивно възстановяване на мрежата и подобрен анализ на мрежовите условия. Въпреки че сме в ранните етапи на интегриране на AI и ML в управлението на мрежата, потенциалът е неоспорим. AI и ML инструментите представляват ценен актив за мрежовите оператори, обещавайки значителен напредък в ефективността и надеждността.