Εμφάνιση απλής εγγραφής

Νευρομορφικές υπολογιστικές τεχνικές σε εφαρμογές τηλεπικοινωνιών και επεξεργασίας εικόνας

dc.contributor.advisorBogris, Adonis
dc.contributor.authorΣώζος, Κωνσταντίνος
dc.date.accessioned2024-12-18T08:36:18Z
dc.date.available2024-12-18T08:36:18Z
dc.date.issued2024-12-09
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/8195
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-8024
dc.description.abstractΤο πρώτο τέταρτο του 21ου αιώνα σημαδεύτηκε από έκρηξη στη δημιουργία, ανταλλαγή και επεξεργασία ψηφιακών δεδομένων σε τέτοιο βαθμό ώστε να αποκαλείται εποχή της πληροφορίας. Οι βασικές τεχνολογίες που καθόρισαν αυτή τη περίοδο είναι το διαδίκτυο, με ραχοκοκαλιά τις οπτικές επικοινωνίες και η τεχνητή νοημοσύνη με βάση το μεγάλο όγκο δεδομένων. Δύο από τις σημαντικότερες τεχνολογικές προκλήσεις σήμερα αποτελούν η αποδοτική λειτουργία των αλγορίθμων τεχνητής νοημοσύνης και η ανταπόκριση των οπτικών επικοινωνιών στην ολοένα και αυξανόμενη ροή δεδομένων. Καίρια μειονεκτήματα αποτελούν η διασύνδεση μνήμης και επεξεργασίας μέσω αργών ηλεκτρικών καναλιών και ο μεγάλος αριθμός ηλεκτρο-οπτικών μετατροπών στις διασυνδέσεις. Τα τελευταία χρόνια, η απόσταση μεταξύ μεταφοράς και επεξεργασίας της πληροφορίας περιορίζεται σημαντικά με πιθανό ορίζοντα την αντικατάσταση των ηλεκτρικών καναλιών με οπτικά σε αποστάσεις μικρότερες του 1 m. Επίσης, έχουν αναδυθεί λογικές επεξεργασίας πέρα από την παραδοσιακή Von Neumann αρχιτεκτονική, ώστε να αρθεί ο διαχωρισμός μνήμης και επεξεργασίας. Τέτοιες λογικές καλούνται νεύρο-εμπνευσμένος η νευρομορφικός υπολογισμός. Με τη μεταφορά δεδομένων να λαμβάνει χώρα στο οπτικό επίπεδο, έχει νόημα ο νευρομορφικός υπολογισμός να πραγματοποιείται επίσης οπτικά. Ωστόσο, σε μια περίοδο όπου οι μονάδες επεξεργασίας γραφικών και ο παράλληλος υπολογισμός σημειώνουν τεράστιες επιτυχίες, ο φωτονικός νευρομορφικός υπολογισμός, που βρίσκεται ακόμα σε εμβρυακό επίπεδο, πρέπει να γίνει αποδοτικότερος ώστε να μπορέσει να βρει χώρο σε επιλεγμένες εφαρμογές. H μεγαλύτερη κατηγορία εφαρμογών, που θα μπορούσε άμεσα να ευνοηθεί από τη χρήση φωτονικών νευρομορφικών τεχνικών, είναι οι οπτικές επικοινωνίες. Δευτερευόντως, η επεξεργασία άλλων αμιγώς οπτικών σημάτων, όπως η εικόνα η τα σήματα εντοπισμού. Η διατριβή αυτή επιχειρεί να συμβάλλει στη βελτίωση της αποδοτικότητας των φωτονικών νευρομορφικών υπολογιστικών τεχνικών με έμφαση τη χρήση τους σε συστήματα οπτικών επικοινωνιών, αλλά και την επεξεργασία εικόνας. Προτείνονται: 1. Ένας φωτονικός επεξεργαστής διπλής κατεύθυνσης, βασισμένος σε δύο νευρώνες laser. Ο επεξεργαστής εκμεταλλεύεται χρονική πολυπλεξία για τη δημιουργία δεκάδων εικονικών νευρώνων. Η εφαρμογή επίδειξης που επιλέγεται είναι η αντιστάθμιση των αλλοιώσεων μετάδοσης σε δίκτυα μικρών αποστάσεων. 2. Ένας φωτονικός επεξεργαστής αποτελούμενος από οπτικά φίλτρα, για το ταυτόχρονο φασματικό διαχωρισμό και την επεξεργασία ευρυζωνικών σημάτων. Η σημαντικότερη εφαρμογή για αυτό το σύστημα είναι η αντιμετώπιση της χρωματικής διασποράς σε οπτικά δίκτυα διαμόρφωσης έντασης και άμεσης φώρασης. Με τη χρήση του, η εμβέλεια μετάδοσης σε συστήματα άμεσης φώρασης μπορεί να αυξηθεί από λίγα km σε >100 km, με βάση τους σύγχρονους ρυθμούς μετάδοσης (>100 Gbaud). 3. Ένας αυτοσύμφωνος δέκτης/επεξεργαστής βασισμένος στον νευρομορφικό φασματικό διαχωρισμό για τη λήψη και επεξεργασία σύμφωνων τηλεπικοινωνιακών σημάτων. Ο δέκτης αποτελεί μια πρακτική και αποδοτική εναλλακτική απέναντι στα κλασικά συστήματα άμεσης φώρασης και σύμφωνης ανίχνευσης, μειώνοντας σημαντικά την κατανάλωση και το κόστος. 4. Δύο συστήματα βασισμένα στη μίξη τεσσάρων κυμάτων για την υλοποίηση γραμμικών και μη γραμμικών πράξεων. Τα συστήματα αυτά επιτρέπουν την υλοποίηση διάφορων συναρτήσεων ενεργοποίησης, καθώς και τον πολλαπλασιασμό διανυσμάτων απευθείας στο οπτικό επίπεδο.el
dc.format.extent246el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectΟπτικές ίνεςel
dc.subjectΦωτονικός νευρομορφικός υπολογισμόςel
dc.subjectΑυτοσύμφωνοι δέκτεςel
dc.subjectΟπτική επεξεργασία σήματοςel
dc.subjectΥπολογιστικές δεξαμενέςel
dc.titleΝευρομορφικές υπολογιστικές τεχνικές σε εφαρμογές τηλεπικοινωνιών και επεξεργασίας εικόναςel
dc.title.alternativeNeuromorphic computing techniques for telecom and imaging applicationsel
dc.typeΔιδακτορική διατριβήel
dc.contributor.committeePleros, Nikos
dc.contributor.committeeMesaritakis, Charis
dc.contributor.committeeMiridakis, Nikolaos
dc.contributor.committeeAlexandropoulos, Dimitris
dc.contributor.committeeKarabetsos, Sotiris
dc.contributor.committeeSimos, Iraklis
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Πληροφορικής και Υπολογιστώνel
dc.description.abstracttranslatedThe first quarter of the 21st century was marked by an explosion in the creation, exchange and processing of digital data to such an extent that it has been called the information age. The key technologies that defined this period are the internet, with optical communications as its backbone, and the big data-based artificial intelligence. Two of the most important technological challenges today are the efficient operation of artificial intelligence algorithms and the responsiveness of optical communications to the ever-increasing flow of data. Key challenges are the interconnection of memory and processing over slow electrical channels and the large number of electro-optical conversions at the interconnects. In recent years, the distance between information transfer and information processing has been significantly reduced with the electrical channels being replaced with optical ones at distances as short as 1 m. Also, computing frameworks beyond the traditional Von Neumann architecture have emerged to circumvent the memory bottleneck. Such proposals are called neuro-inspired or neuromorphic computing. With data transfer taking place at the optical domain, it makes sense for neuromorphic computing to also be performed optically. However, at a time where graphics processing units and parallel computing are making huge success, photonic neuromorphic computing, still in its infancy, needs to become more efficient in order to find space in specific applications. The largest category of applications that could directly benefit from the use of photonic neuromorphic techniques is optical communications. Secondly, the processing of other purely optical signals, such as images or radar signals. This thesis attempts to contribute to the efficiency improvement of photonic neuromorphic computing techniques with a focus on their use in optical communication systems and image processing. The following innovations are proposed: 1. A bidirectional photonic processor based on two laser neurons. The processor exploits time multiplexing to create tens of virtual neurons. The benchmark application chosen is the compensation of transmission impairments in short-reach links. 2. A photonic processor consisting of optical filters for simultaneous spectral decomposition and processing of broadband signals. The most important application for this system is the mitigation of chromatic dispersion in intensity modulation and direct detection optical systems. The proposed system, increases the transmission reach in direct-detection systems from a few km to >100 km, based on high transmission rates (>100 Gbaud). 3. A self-coherent receiver/processor based on neuromorphic spectral decomposition for receiving and processing coherent modulation formats. The receiver is an efficient alternative to classical direct detection and coherent systems, significantly reducing consumption and costs. 4. Two systems based on four-wave mixing effect which can execute linear and nonlinear operations optically. These systems allow the implementation of various activation functions, as well as the multiplication of vectors directly in the optical domain.el


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές