#数据集# 【科学家基于深度学习训练多样性数据集，实现多模光纤的非正交复用】
近期，#广东工业大学# 秦玉文教授领导的课题组将深度学习与多模光纤的多重散射特性结合，利用具有多样性的数据集对网络进行训练，实现了多模光纤的非正交复用。
该研究为克服多模光纤模式色散，充分发挥多模光纤高通量传输优势提供了新的思路。
有望让领域内学者更多地关注多模光纤这种高通量传输介质，吸引更多交叉学科的学者使用深度学习的方法，来探索非正交多维复用传输在不同领域的应用。
此外，该研究还为领域提供了新的视角，即在基于数据驱动的 #AI算法# 加持下，引起光学乃至整个信息学科领域对深度学习的重视。
秦玉文认为，在之前看来许多不可能的事情或需要较多苛刻条件才能实现的事情，在 AI 的赋能之下有望突破完成。
近日，相关论文以《基于深度学习的非正交光信息复用》（Non-orthogonal optical multiplexing empowered by deep learning）为题发表在 Nature Communications 上[1]。
戳链接查看详情：
科学家基于深度学习训练多样性数据集，实现多模光纤的非正交复用
近期，#广东工业大学# 秦玉文教授领导的课题组将深度学习与多模光纤的多重散射特性结合，利用具有多样性的数据集对网络进行训练，实现了多模光纤的非正交复用。
该研究为克服多模光纤模式色散，充分发挥多模光纤高通量传输优势提供了新的思路。
有望让领域内学者更多地关注多模光纤这种高通量传输介质，吸引更多交叉学科的学者使用深度学习的方法，来探索非正交多维复用传输在不同领域的应用。
此外，该研究还为领域提供了新的视角，即在基于数据驱动的 #AI算法# 加持下，引起光学乃至整个信息学科领域对深度学习的重视。
秦玉文认为，在之前看来许多不可能的事情或需要较多苛刻条件才能实现的事情，在 AI 的赋能之下有望突破完成。
近日，相关论文以《基于深度学习的非正交光信息复用》（Non-orthogonal optical multiplexing empowered by deep learning）为题发表在 Nature Communications 上[1]。
戳链接查看详情：
科学家基于深度学习训练多样性数据集，实现多模光纤的非正交复用
