1.84Pb/s,两倍于全球互联网带宽总和:单激光器实现最快数据传输纪录
有些时候,人们形容网络的效率「不如卡车运硬盘」:亚马逊 AWS 就有一种名为 snowmobile 的服务,真的使用集装箱卡车,一次可以传输 100Pb。这种大号 U 盘传数据的体量可谓巨大,但也从另一个方面告诉我们,网络传输数据存在很大的瓶颈。
近日,来自丹麦技术大学(DTU)和瑞典哥德堡查尔姆斯理工大学的研究小组实现了迄今为止最高的数据传输效率,并且是世界上第一个仅使用单个激光器和单个光芯片实现每秒传输超过 1 拍比特 (Pbit/s) 的研究。
在实验中,研究人员仅使用一个光源在 7.9 公里的距离上实现了传输速率 1.8 Pbit/s——1 Petabit 相当于 12.5 万 Gigabyte,根据一些估算,全世界使用的平均互联网带宽约为 1 Pbit/s,因此它的速度接近全球带宽的两倍。
很难形容 1.84 Pbit/s 的速度有多快——家庭互联网连接通常为每秒几百兆比特,如果幸运的话,能达到 1 吉比特甚至 10 吉比特,但 1 拍比特是一百万吉比特。这一数据传输速度远远超过了今年 5 月创下的 1.02 Pbit/s 的纪录。
该光源由定制设计的光学芯片发出,它可以使用来自单个红外激光器的光来输出多种颜色的彩虹光谱,即多种频率。因此,单个激光器的一个频率(颜色)可以在单个芯片中倍增成数百个频率(颜色)。所有的颜色都固定在一个特定的频率距离上,每种颜色互相隔离——就像梳子上的齿一样——因此它被称为频率梳。最后,所有频率通过光纤发送,从而传输数据。
用单个激光器取代数千个
实验演示表明,单个芯片可以轻松承载 1.8Pbit/s 的速度,按照此前最先进的商业设备,达到这样的水平需要上千个激光器。
查尔姆斯理工大学的教授 Victor Torres 公司是开发和制造该芯片的研究小组的负责人。Victor Torres 公司说,这个芯片的特别之处在于,它产生的频率梳具有光纤通信的理想特性——很高的光功率,并广泛覆盖了高级光通信所感兴趣的光谱区域内的带宽。
通信系统建模。
有趣的是,该芯片并没有为这种特定的应用进行优化。「事实上,一些特征参数是通过巧合而不是通过设计实现的,」Victor Torres 公司说。「然而在团队的努力下,我们现在有能力对其进行逆向工程,并实现电信领域目标应用的高重现性微梳。」
此外,研究人员创建了一个计算模型,从理论上研究了使用与实验中相同的单个芯片进行数据传输的基础潜力。计算结果显示,扩展解决方案具备巨大的潜力。
DTU 的硅光子学光通信卓越中心(SPOC)负责人 Leif Katsuo Oxenløwe 教授表示:「我们的计算表明,通过查尔姆斯理工大学制造的单个芯片和一个激光器,传输速度能够高达 100 Pbit/s。其原因是我们的解决方案是可扩展的,包括在创造多种频率方面,也包括将频率梳分成许多空间副本,然后对它们进行光学放大,并将它们作为传输数据的平行源。虽然频率梳的副本必须被放大,但并没有损失其品质,我们利用它来进行高效频谱的数据传输。」
调制的方法
向电子或光载波信号添加信息,将数据转换为无线电波的过程叫做「调制」。在这个过程中,光的波特性被利用,比如:
- 振幅(波的高度 / 强度);
- 相位(波的「节奏」,有可能让波比预期的早一点或晚一点到达);
- 偏振(波的传播方向)。
通过改变这些属性,就可以创造信号。这些信号可以转化为 1 或 0,从而作为数据信号加以利用。
在该研究中,数据流被分成了 37 个线路,每条线沿着电缆中的不同光线程发送。37 条数据线中的每一条都被分成 223 个数据块,对应于「数据梳」光谱中的不同区域。换句话说,科学家创建了一个「大规模并行空间和波长多路复用数据传输」系统。这种多次拆分大大增加了光缆支持的潜在数据吞吐量。
测试和验证 1.84 Pb/s 的带宽并不是件容易的事——因为还没有计算机可以即时处理这么多数据,存储也不太可能。研究小组在各个通道上使用虚拟数据来验证全带宽容量,每个通道都经过单独测试,以确保接收到的数据与传输的数据匹配。
光子芯片可以将单个激光器分成许多频率,另外也需要进行一些处理来对 37 个数据光流中的每一个数据流的光数据做编码。根据研究者们的说法,一个精巧的、功能齐全的光处理设备应该可以打造成火柴盒的大小。这与电信行业当前使用的单色激光传输设备的尺寸相似。
实现的数据传输速率(红色三角形)与理论吞吐量(蓝色点)。
减少互联网能耗
通过这项技术,我们可以使用和现在相同的光缆基础设施,仅使用相同体积的光子芯片设备替代原来的光学数据编码器 / 解码器,从而有望使数据有效带宽增加 8251 倍。
除了极高的速度之外,新研究还有助于减少互联网的能耗。
「我们的解决方案有可能取代位于互联网中心和数据中心的数十万台光设备,它们都在消耗大量电力并产生热量。我们有机会为减少互联网行业碳足迹做出贡献,」论文作者之一 Leif Katsuo Oxenløwe 说道。
尽管研究人员在演示中打破了单个激光源和单个芯片的 PB 级里程碑,但在我们当前的通信系统中实施该解决方案之前,仍有一些开发工作要做。
「当前,全世界都在努力将激光源集成到光学芯片中。我们可以在芯片中集成的组件越多,整个发射器的效率就越高,发射器包括激光、梳频率输出芯片、数据调制器和任何放大器元件。它将是一种极其高效的数据信号光发射器,」Leif Katsuo Oxenløwe 说。
这项研究发表在了最近一期的 Nature 光学子刊上。
论文链接:https://www.nature.com/articles/s41566-022-01082-z
以上是1.84Pb/s,两倍于全球互联网带宽总和:单激光器实现最快数据传输纪录的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

DDREASE是一种用于从文件或块设备(如硬盘、SSD、RAM磁盘、CD、DVD和USB存储设备)恢复数据的工具。它将数据从一个块设备复制到另一个块设备,留下损坏的数据块,只移动好的数据块。ddreasue是一种强大的恢复工具,完全自动化,因为它在恢复操作期间不需要任何干扰。此外,由于有了ddasue地图文件,它可以随时停止和恢复。DDREASE的其他主要功能如下:它不会覆盖恢复的数据,但会在迭代恢复的情况下填补空白。但是,如果指示工具显式执行此操作,则可以将其截断。将数据从多个文件或块恢复到单

0.这篇文章干了啥?提出了DepthFM:一个多功能且快速的最先进的生成式单目深度估计模型。除了传统的深度估计任务外,DepthFM还展示了在深度修复等下游任务中的最先进能力。DepthFM效率高,可以在少数推理步骤内合成深度图。下面一起来阅读一下这项工作~1.论文信息标题:DepthFM:FastMonocularDepthEstimationwithFlowMatching作者:MingGui,JohannesS.Fischer,UlrichPrestel,PingchuanMa,Dmytr

如果您需要了解如何在Excel中使用具有多个条件的筛选功能,以下教程将指导您完成相应步骤,确保您可以有效地对数据进行筛选和排序。Excel的筛选功能是非常强大的,能够帮助您从大量数据中提取所需的信息。这个功能可以根据您设定的条件,过滤数据并只显示符合条件的部分,让数据的管理变得更加高效。通过使用筛选功能,您可以快速找到目标数据,节省了查找和整理数据的时间。这个功能不仅可以应用在简单的数据列表上,还可以根据多个条件进行筛选,帮助您更精准地定位所需信息。总的来说,Excel的筛选功能是一个非常实用的

谷歌力推的JAX在最近的基准测试中性能已经超过Pytorch和TensorFlow,7项指标排名第一。而且测试并不是在JAX性能表现最好的TPU上完成的。虽然现在在开发者中,Pytorch依然比Tensorflow更受欢迎。但未来,也许有更多的大模型会基于JAX平台进行训练和运行。模型最近,Keras团队为三个后端(TensorFlow、JAX、PyTorch)与原生PyTorch实现以及搭配TensorFlow的Keras2进行了基准测试。首先,他们为生成式和非生成式人工智能任务选择了一组主流

在iPhone上面临滞后,缓慢的移动数据连接?通常,手机上蜂窝互联网的强度取决于几个因素,例如区域、蜂窝网络类型、漫游类型等。您可以采取一些措施来获得更快、更可靠的蜂窝互联网连接。修复1–强制重启iPhone有时,强制重启设备只会重置许多内容,包括蜂窝网络连接。步骤1–只需按一次音量调高键并松开即可。接下来,按降低音量键并再次释放它。步骤2–该过程的下一部分是按住右侧的按钮。让iPhone完成重启。启用蜂窝数据并检查网络速度。再次检查修复2–更改数据模式虽然5G提供了更好的网络速度,但在信号较弱

哭死啊,全球狂炼大模型,一互联网的数据不够用,根本不够用。训练模型搞得跟《饥饿游戏》似的,全球AI研究者,都在苦恼怎么才能喂饱这群数据大胃王。尤其在多模态任务中,这一问题尤为突出。一筹莫展之际,来自人大系的初创团队,用自家的新模型,率先在国内把“模型生成数据自己喂自己”变成了现实。而且还是理解侧和生成侧双管齐下,两侧都能生成高质量、多模态的新数据,对模型本身进行数据反哺。模型是啥?中关村论坛上刚刚露面的多模态大模型Awaker1.0。团队是谁?智子引擎。由人大高瓴人工智能学院博士生高一钊创立,高

这周,由OpenAI、微软、贝佐斯和英伟达投资的机器人公司FigureAI宣布获得接近7亿美元的融资,计划在未来一年内研发出可独立行走的人形机器人。而特斯拉的擎天柱也屡屡传出好消息。没人怀疑,今年会是人形机器人爆发的一年。一家位于加拿大的机器人公司SanctuaryAI最近发布了一款全新的人形机器人Phoenix。官方号称它能以和人类一样的速率自主完成很多工作。世界上第一台能以人类速度自主完成任务的机器人Pheonix可以轻轻地抓取、移动并优雅地将每个对象放置在它的左右两侧。它能够自主识别物体的

特斯拉机器人Optimus最新视频出炉,已经可以在厂子里打工了。正常速度下,它分拣电池(特斯拉的4680电池)是这样的:官方还放出了20倍速下的样子——在小小的“工位”上,拣啊拣啊拣:这次放出的视频亮点之一在于Optimus在厂子里完成这项工作,是完全自主的,全程没有人为的干预。并且在Optimus的视角之下,它还可以把放歪了的电池重新捡起来放置,主打一个自动纠错:对于Optimus的手,英伟达科学家JimFan给出了高度的评价:Optimus的手是全球五指机器人里最灵巧的之一。它的手不仅有触觉
