基于条件变分自编码器的半导体激光器退化预测
机器学习
2022-11-08 v1
摘要
半导体激光器为满足下一代光网络的需求而快速发展。这对激光器可靠性提出了更严苛的要求，而可靠性主要受限制半导体激光器寿命的退化机制（如突发退化）主导。基于物理的方法常用于解析表征退化行为，但其需要明确的领域知识与精确数学模型。由于对各种工作条件下诱发退化的复杂物理过程缺乏充分理解，构建此类模型可能非常困难。为克服上述局限，我们提出一种新的数据驱动方法，从运行监测数据中提取有用洞察以预测退化趋势，无需特定知识或使用任何物理模型。所提方法基于一种无监督技术——条件变分自编码器，并使用垂直腔面发射激光器（VCSEL）与可调边发射激光器可靠性数据进行验证。实验结果证实我们的模型（i）通过取得95.3%的F1分数实现了良好的退化预测与泛化性能，（ii）优于若干基于基线ML的异常检测技术，且（iii）通过在测试结束前早期预测失效器件从而缩短老化测试并节省成本。
引用
@article{arxiv.2211.02847,
title = {Degradation Prediction of Semiconductor Lasers using Conditional Variational Autoencoder},
author = {Khouloud Abdelli and Helmut Griesser and Christian Neumeyr and Robert Hohenleitner and Stephan Pachnicke},
journal= {arXiv preprint arXiv:2211.02847},
year = {2022}
}
备注
Published in: Journal of Lightwave Technology (Volume: 40, Issue: 18, 15 September 2022)