研究人员将光子神经网络与分布式声学传感相结合
2025年3月19日

南京大学使用光学计算来提高光纤传感的精度和效率。

The proposed photonic neural network architecture provides gains in accuracy.

所提出的光子神经网络结构提供了精度上的增益。

分布式声学传感(DAS)系统代表了基础设施监测领域的前沿技术，能够检测跨越数十公里的光纤电缆的微小振动。这些系统已被证明在从地震探测和石油勘探到铁路监测和海底电缆监视的应用中是无价的。

然而，这些系统生成的大量数据在处理速度上造成了严重的瓶颈，限制了它们对于实时应用程序的有效性，在实时应用程序中，即时响应至关重要。

机器学习技术，特别是神经网络，已经成为更有效地处理DAS数据的一种有前途的解决方案。尽管使用CPU和GPU的传统电子计算的处理能力在过去几十年中得到了极大的提高，但它们仍然面临速度和能效方面的根本限制。

gm性的替代方案

相比之下，光子神经网络，使用光而不是电力进行计算，提供了一个gm性的替代方案，有可能以很小的功率实现更高的处理速度。不幸的是，将这些光学计算系统与DAS技术集成已经提出了重大的技术挑战，特别是在处理复杂的数据结构和确保精确的信号处理方面。

在此背景下，来自南京大学，中国，由邹宁木，一直在研究一种创新的方法来克服这些主要障碍。发表于《高级光子学》探讨了他们新开发的时-波长多路复用光子神经网络加速器(TWM-PNNA)在DAS系统数据处理中的应用。

用邹博士的话说，“这项开创性的工作代表了光子神经网络与DAS系统的首次成功集成，DAS系统可以处理实时数据处理。”

研究人员开发了一种将传统的电子神经网络操作转变为光学过程的系统架构。他们的方法使用多个可调谐激光器发射不同波长的光来表示神经网络的卷积核-从输入数据中提取特征的数学滤波器。

为了实现这一点，他们首先必须将DAS系统中的二维数据转换成一维向量，然后使用成熟的Mach-Zehnder调制器将其编码成光学信号。该团队使用波长选择开关为不同的波长信道分配特定的权重，利用光信号而不是电子计算有效地实现卷积运算。

减轻唧唧声

研究人员还关注两个主要的技术挑战：减轻调制啁啾(频率变化)对光学卷积的影响和开发实现光学全连接操作的可靠方法。通过详细的实验，他们发现调制啁啾引起的波长偏移与相邻激光信道之间的波长间隔之比是评估性能影响的关键指标。
--
FROM 111.183.107.*