Discovery Sagaサイレントキーワード俯瞰

令和2年度において、人工ニューラルネットワーク（ANN）における非線形補償性能を得られるサンプル／シンボル数、学習データとして適切な符号の選択の目途を立てた。その情報をもとに、令和３年度は以下の検討を行った。 (1)EVMを評価基準とし、DBP法による非線形補償性能に対するANNの補償性能の改善効果を定量的に検証した。(2)引き続いて、２次元畳み込みニューラルネットワーク（CNN）による非線形補償性能の検討を行った。２次元のパラメータとして何を適用するか、について異なる組み合わせについての比較検討を行い、適切なパラメータの選択を行った。
以上の検討の結果、以下の結果を得た。(1)入力データのサンプリングレート4,同時入力シンボル数は1が最適との結果に基づきANNでの非線形補償結果を線形補償のみ、DBPと比較を行った。同じ平均光パワーの28Gbaud RZ-16QAM信号に対して、伝送距離1,000~10,000kmの受信信号に対する補償性能を、ANNおよびDBPについて比較検討した結果、すべての距離で目標EVM値（14.9%）を下回った上でANNが優れている結果を得られた。しかしながら、一部最終結論に至るには詳細検討がさらに必要であることもわかった。 (2)２次元CNNの畳み込み層の入力データ形式として伝送信号のI成分、Q成分をそれぞれ配列の縦軸・横軸に対応させることが、コンスタレーション上での時間変化を表現可能とした。また多数決法の導入が誤り率の改善に有効である結果も得た。その結果、非線形補償性能が高い入力光パワー条件において線形補償のみの場合と比較して得られる結果を確認した。