Review Paper Accurate Closed-Form Real-Time EGN Model Formula Leveraging Machine-Learning over 8500 Thoroughly Randomized Full C-Band Systems

Pada paper ini membahas bagaimana membuat sebuah pendekatan dan formula menggunakan metode Machine Learning pada NLI (Non-Linear Interference) yang terjadi pada CFM (Closed-Form Model) jaringan optik yang bertujuan untuk membuat sebuah jaringan optik WDM (Wavelength-Division Multiplexing) memiliki kapasitas yang sangat besar. Hal ini di didasari dari kebutuhan untuk mengoptimasi kapasitas jaringan optik seiring dengan naiknya throughput demand.

Pada paper ini membahas bagaimana membuat sebuah pendekatan dan formula menggunakan metode Machine Learning pada NLI (Non-Linear Interference) yang terjadi pada CFM (Closed-Form Model) jaringan optik yang bertujuan untuk membuat sebuah jaringan optik WDM (Wavelength-Division Multiplexing) memiliki kapasitas yang sangat besar. Hal ini di didasari dari kebutuhan untuk mengoptimasi kapasitas jaringan optik seiring dengan naiknya throughput demand. Formula didapat dari pengetesan terhadap 8500 C-Bands sistem WDM secara random. Pada pengetesan ini terbagi dua yaitu 6250 yang fully loaded dan 2250 yang partially loaded. Formula yang didapat divalidasi dengan numerically integrated enhanced GN Model (EGN Model). Formula yang didapatkan memiliki kombinasi yang dapat digunakan untuk komputasi yang sangat cepat, kapasitas yang besar dan berpotensi menjadi tools yang tepat dalam manajemen kontrol physical-layer aware jaringan optik WDM.

Project Author(s)

Ahmad Fauzi Iskandar (23220065)