关于深度神经网络在光通信中的应用
应用物理
2018-06-19 v1 光学
量子物理
摘要
通过利用空间非高斯光态，光通信中的信息传输速率可大幅提升。在此，我们展示了深度神经网络以近乎一致的保真度对数值生成的、含高达100个轨道角动量量子的噪声拉盖尔-高斯模式进行分类的能力。该方案仅依赖所检测模式的强度分布，从而可大幅简化当前对含有不断增加轨道角动量态进行排序所需的测量方案。我们还给出了结果表明，当网络仅使用模拟图像训练时，深度神经网络在实验性拉盖尔-高斯模式叠加态分类中的优势。预计这些结果将提升当前光通信技术。
引用
@article{arxiv.1806.06663,
title = {On the use of deep neural networks in optical communications},
author = {Sanjaya Lohani and Erin M. Knutson and Matthew O'Donnell and Sean D. Huver and Ryan T. Glasser},
journal= {arXiv preprint arXiv:1806.06663},
year = {2018}
}
备注
10 pages, 15 figures. \copyright 2018 Optical Society of America. Users may use, reuse, and build upon the article, or use the article for text or data mining, so long as such uses are for non-commercial purposes and appropriate attribution is maintained. All other rights are reserved