Dissertação
Designing ultra-high bandwidth optical networks using machine learning techniques EVALUATED
As redes óticas são infraestruturas essenciais para os operadores de telecomunicações. Dada a importância da capacidade da rede no seu desenho, é fundamental determiná-la de forma eficaz, um processo que pode envolver tempos de computação longos. Para enfrentar este desafio, esta tese propõe uma solução de aprendizagem automática para determinar a capacidade da rede em redes óticas de backbone transparentes. Esta solução é baseada num modelo de rede neuronal profunda (DNN) e tem o objetivo de determinar a capacidade de forma rápida e fiável, tendo como inputs parâmetros da topologia física das redes. Além disso, de forma a ultrapassar as limitações de largura de banda da transmissão na banda C, uma solução onde fibras óticas são acrescentadas à rede foi também implementada. Esta solução permite a eliminação do bloqueio de tráfego, levando a capacidades de rede elevadas. Esta segunda abordagem levou ao desenvolvimento de um segundo modelo DNN capaz de prever, para além da capacidade, o custo em quilómetros de fibra. O treino de modelos DNN requer uma quantidade de dados elevada, por isso foi implementado um modelo de geração de grafos que gera redes semelhantes a redes óticas de backbone. Um algoritmo de routing, desenvolvido também nesta tese, é então usado para obter os parâmetros das redes e as respetivas capacidades. Foi demonstrado que os modelos DNN são capazes de fazer previsões de forma precisa em apenas alguns milissegundos, o que faz destes modelos ferramentas úteis no desenho de redes óticas de backbone.
junho 21, 2024, 13:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar