宽带频率梳确保同一条光纤里面的多个通信信道之间的串扰是可以消除的。
长期以来,光纤存在的重大问题之一就是,你给信号添加的能量越大――以便让信号传输得更远,遇到的失真就越严重。而这种失真会降低数据质量。
这之所以是个问题,就是因为理想情况下你希望光纤能够远距离铺设。铺设一条长长的光缆其成本要低于铺设多条光缆以及使用添加的中继器,而后者就是如今通常采用的做法。
解读12000公里外的数据
不过科学家们认为,他们已找到了一种解决办法。
加州大学圣迭戈分校的研究人员表示,他们已经能够在不使用中继器的前提下,将数据沿着12000公里长的光纤发送出去,却仍能够解读12000公里开外的信息。
不过他们确实使用了标准的放大器。
然而他们表示,他们的实验证明你可以消除成本高昂的再生中继器。他们是通过失真消除技术做到这一点的。
这个光子学研究小组在学术研究杂志《科学》上发表了研究成果。
可预测的串扰
这个概念异常简单。研究人员认为,串扰引起的信号失真是可以预测的。该大学在官方网站上的一篇文章中声称,因而,信号失真“在光纤的接收端应该是可以消除的”。
串扰是指光缆中多个信道之间出现的干扰。一条电路中传输的信号会对另一条电路产生影响――信号会溢出来。研究人员表示,他们知道这种影响,所以能够消除影响,因而消除失真。
预失真波形
该光子学研究小组使用物理原理取得了成果。预失真波形印在始发端生成频率梳的载波上。然后,在光缆输出端恢复毫无未损的信息。
高通研究所的研究科学家Bill Kuo说:“我们抢在会出现在光纤里面的失真影响之前及时行动。”Kuo负责频率梳研发,也是该研究小组发表在《科学》上的论文的作者之一。
消除技术
消除技术总体上变得更常见。一些科学家正在试用算法来消除无线电中的自干扰现象。
这种情况下,这是成本较低的处理能力,头一次允许运行更复杂的数学运算和公式。算法变得更容易获取。
无线电
那些主攻无线电领域的科学家正在研制自干扰消除技术,以便更有效地利用频谱。其想法是,如果你能预测传输如何受到其自身干扰的影响,就能消除并杜绝干扰。
多年来,噪声消除耳机技术就运用了这个基本概念。耳机听到不需要的噪声后,不同步地模拟噪声,然后消除噪声。
我之前曾写过一篇文章,介绍无线电和干扰消除算法,有兴趣的朋友可以看一下:《可用频率有望因自干扰消除算法而翻一番》(http://www.networkworld.com/article/2599403/wireless/available-spectrum-will-double-with-self-interference-canceling-algorithms.html)。
宽带梳
以光纤串扰消除为例,宽带频率梳可以对同一光纤里面的串扰进行消除。
高通研究所的另一名研究科学家、论文作者之一Nikola Alic说:“如今的光纤系统有点类似流沙。就流沙而言,你挣扎得越厉害,就会下沉得越快。”
如果使用传统的“光纤而言,到了一定程度后,你给信号添加的能量越大,遇到的失真就越严重,这实际上阻止人们将光纤铺设得更远。”
新的研究成果一旦付诸实践,有望解决这个问题,因而不需要在光纤链路上沿路安装电子再生器(又叫中继器),因而可以节省一大笔成本。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。