Nokia Bell Labs tutkii oppivaa elinkaarta optisten verkkojen automatisointiin
Nokia Bell Labs on julkaissut tutkimuksen uudesta oppivasta elinkaarimallista, joka pyrkii nopeuttamaan autonomisten optisten siirto- ja verkkoratkaisujen käyttöönottoa. Malli käsittelee koneoppimisen datatarpeita ja tarkkuusongelmia verkkoympäristöissä.
Helsinki – Nokia Oyj:n tutkimusyksikkö Nokia Bell Labs on esitellyt uuden tutkimusjulkaisun, joka käsittelee koneoppimisen (ML) soveltamista optisissa verkoissa. Julkaisussa esitellään oppiva elinkaarimalli, jonka tavoitteena on tehostaa autonomisten optisten siirto- ja verkkotekniikoiden käyttöönottoa.
Julkaisun mukaan perinteiset koneoppimismallit vaativat suuria datamääriä tarkkuutensa varmistamiseksi. Uusien verkkolaitteiden ja -tekniikoiden jatkuvan käyttöönoton vuoksi todellisen datan saatavuus voi kuitenkin olla rajallista, mikä vaikeuttaa tarkkojen mallien luomista. Simulaatioilla ja laboratoriokokeilla tuotettu data ei aina kata kaikkia tarvittavia ominaisuuksia.
Nokia Bell Labsin ehdottama ratkaisu perustuu ML-algoritmien elinkaaren hallintaan todellisissa verkoissa. Alkuvaiheessa mallien koulutukseen voidaan käyttää simulaatioista ja laboratorioista saatua dataa. Kun mallit on otettu käyttöön, niitä voidaan päivittää havaitun epätarkkuuden perusteella parantaen niiden luotettavuutta ajan myötä. Tutkimuksessa esitellään myös kaksi erityiskäyttötapausta, jotka demonstroivat eri oppimisstrategioiden toimivuutta.
Yksi esiteltävistä strategioista yhdistää kahden vaiheen lähestymistavan: ensin käytetään generistä dataa simulaatioista ja laboratoriokokeista, minkä jälkeen malli mukautuu kenttäajoon heterogeenisten laitteiden tukemiseksi. Tämä lähestymistapa osoitettiin toimivaksi vikatilanteiden tunnistamisessa. Toinen strategia keskittyy mallien uudelleenkoulutukseen kentällä epätarkkuuksien havaitsemisen jälkeen, osoittaen merkittäviä etuja kollektiivisessa oppimisessa autonomisessa siirrossa.