この論文では、Transformersを使用して非線形光学チャネルイコライザーを導入し、その性能を分析しています。Transformerのエンコーダー部分を活用し、異なる複雑さ制約に対して効率的な非線形補償が可能であることが示されています。物理情報マスクの使用により、注意メカニズムの計算複雑さが削減されます。これにより、高速光伝送システム向けのハードウェア開発に適した非常に並列化可能な構造が提案されています。
また、畳み込みニューラルネットワーク(CNN)とLSTMを組み合わせたCNN-LSTM構造と比較することで、Transformerの能力を示しています。Transformerは高い複雑性領域でCNN-LSTMよりも優れたパフォーマンスを発揮し、低い複雑性領域でも競争力があります。
最後に、Symbol Rateの増加が与える影響も調査されました。高いシンボルレートでは非線形補償がより困難であり、DBP構造は高いバウドレートシナリオに対応するために複雑性を増やす必要があることが示されています。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Behnam Behin... at arxiv.org 03-06-2024
https://arxiv.org/pdf/2304.13119.pdfDeeper Inquiries