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。
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
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。