Among various aspects in optical network architectures, handling transit traffic at intermediate nodes represents a defining characteristic for classification. In this context, the transition from the first generation of optical-electrical-optical (O-E-O) mode to the second generation of optical-bypass marked a paradigm shift in redesigning optical transport networks towards greater network efficiency. Optical-bypass operation has then become the \textit{de facto} approach adopted by the majority of carriers in both metro and backbone networks in the last two decades and has remained basically unchanged. However, in optical-bypass network, the fact that in-transit lightpaths crossing a common intermediate node must be separated in either time, frequency or spatial domain to avoid adversarial interference appears to be a critical shortcoming as the interaction of such lightpaths in optical domain may result in efficient computing and/or signal processing operations for saving spectral resources. Inspired by the accelerated progresses in optical signal processing technologies and the integration of computing and communications, we introduce in this paper a new architectural paradigm for future optical networks and highlight how this new architecture has the potential to shatter the \textit{status quo}. Indeed, our proposal is centered on exploiting the superposition of in-transit lightpaths at intermediate nodes to generate more spectrally efficient lightpaths and how to harness this opportunity from network design perspectives. We present two case studies featuring optical aggregation and optical XOR encoding to demonstrate the merit of optical-processing-enabled operation compared to its counterpart, optical-bypass. Numerical results on realistic network typologies are provided, revealing that a spectral saving up to $30\%$ could be achieved thanks to adopting optical-processing network.


翻译:在光学网络结构的各个方面,在中间节点处理过境交通是分类的决定性特征。在这方面,从第一代光电-光学(O-E-O)模式向第二代光学-光学-光学(O-E-O)模式的过渡,标志着重新设计光学运输网络向提高网络效率的范式转变。光路路操作随后成为大多数承运人在过去20年中在地铁和主干网络中采用的计算和/或信号处理方法。在光信号处理技术的加速进展以及计算和通信的一体化的启发下,我们在本文件中为今后的光路网络引入了新的建筑模式,并强调了这一新的结构如何在时间、频率或空间范围内将一个共同中间节点分开,以避免对抗性干扰,这似乎是一个重要的缺陷,因为光路运输网络的相互作用可能带来高效的计算和/或信号处理操作。 我们的光信号处理技术以及计算和通信的一体化为未来光路网络提供了一个新的建筑模式,并且强调这一新的结构有可能将光路端的光路路路路面运行结果从一个比较的光路由光路端网络变成一个光路运的光路端网络。我们利用光路端网络的光-光路的光路路路端研究到这个光路路路路路路路路路路路路路路路的光路到这个光路路路路路路的光路路端,我们利用了光路路路路路路路路路到这个光路的光路路路路路路路路路路路路路路路路路路路路路路路路路路路路路至中心走向,我们利用了两个机会。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Fast Deep Autoencoder for Federated learning
Arxiv
1+阅读 · 2022年6月10日
Arxiv
0+阅读 · 2022年6月10日
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
VIP会员
相关VIP内容
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员