The digital transformation has been underway, creating digital shadows of (almost) all physical entities and moving them to the Internet. The era of Internet of Everything has therefore started to come into play, giving rise to unprecedented traffic growths. In this context, optical core networks forming the backbone of Internet infrastructure have been under critical issues of reaching the capacity limit of conventional fiber, a phenomenon widely referred as capacity crunch. For many years, the many-fold increases in fiber capacity is thanks to exploiting physical dimensions for multiplexing optical signals such as wavelength, polarization, time and lately space-division multiplexing using multi-core fibers and such route seems to come to an end as almost all known ways have been exploited. This necessitates for a departure from traditional approaches to use the fiber capacity more efficiently and thereby improve economics of scale. This paper lays out a new perspective to integrate network coding (NC) functions into optical networks to achieve greater capacity efficiency by upgrading intermediate nodes functionalities. In addition to the review of recent proposals on new research problems enabled by NC operation in optical networks, we also report state-of-the-art findings in the literature in an effort to renew the interest of NC in optical networks and discuss three critical points for pushing forward its applicability and practicality including i) NC as a new dimension for multiplexing optical signals ii) algorithmic aspects of NC-enabled optical networks design iii) NC as an entirely fresh way for securing optical signals at physical layers


翻译:数字转型正在进行,为所有(几乎)物理实体创造数字阴影,并将其转移到互联网上。因此,一切的互联网时代已开始发挥作用,导致前所未有的交通增长。在这方面,作为互联网基础设施主干基础的光学核心网络在达到传统纤维能力极限这一被广泛称为能力缩缩现象的关键问题下一直存在。多年来,纤维能力的许多倍增长是由于利用物理层面利用多种光学信号,如波长、两极分化、时间和最近利用多核心纤维和这种路线的空间分层多氧化系统,似乎随着几乎所有已知方式的利用而结束。这就需要偏离传统方法,更有效地使用纤维能力,从而改善规模经济。本文提出了将网络编码(NC)功能纳入光学网络的新视角,以便通过提升中间节点功能实现更大的能力效率。除了审查最近关于NCNC在光学网络操作中促成的新研究问题的建议之外,我们还报告说,在实际的光学网络中,最新艺术发现似乎已经结束,因为几乎所有已知方法都得到了利用。这需要改变传统方法,以便更高效地使用光纤能力,从而改善规模经济学经济学。本文件提出了一个新的视角,以便更新NCNCNCNC数据库的高级数据库设计中的关键的深度。

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
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【NeurIPS2019】图变换网络:Graph Transformer Network
专知会员服务
110+阅读 · 2019年11月25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
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
revelation of MONet
CreateAMind
5+阅读 · 2019年6月8日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
Nature 一周论文导读 | 2019 年 2 月 21 日
科研圈
14+阅读 · 2019年3月3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
Nature 一周论文导读 | 2018 年 5 月 24 日
科研圈
11+阅读 · 2018年5月27日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年11月16日
VIP会员
相关VIP内容
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【NeurIPS2019】图变换网络:Graph Transformer Network
专知会员服务
110+阅读 · 2019年11月25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
相关资讯
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
revelation of MONet
CreateAMind
5+阅读 · 2019年6月8日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
Nature 一周论文导读 | 2019 年 2 月 21 日
科研圈
14+阅读 · 2019年3月3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
Nature 一周论文导读 | 2018 年 5 月 24 日
科研圈
11+阅读 · 2018年5月27日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员