摘要：中国移动研究院在 50GE QSFP28 光模块研究领域取得突破，成功在器件层面嵌入智能化能力，通过对光模块功率数据执行高精度采集和 AI 分析运算，可实时精准分类检测设备掉电、光纤中断、尾纤脱落、光纤弯折和连接器松动等 5 类基础故障，检测精度超 95.6%
IT之家 10 月 1 日消息，中国移动研究院在 50GE QSFP28 光模块研究领域取得突破，成功在器件层面嵌入智能化能力，通过对光模块功率数据执行高精度采集和 AI 分析运算，可实时精准分类检测设备掉电、光纤中断、尾纤脱落、光纤弯折和连接器松动等 5 类基础故障，检测精度超 95.6%，为光网络智能化运营提供了全新解决方案。
相关研究成果“AI-Embedded Optical Modules with Millisecond-Granularity Power Analysis for Autonomous Metro Transport Network and Field Trial”于 9 月 16 日发表在光通信领域国际权威 SCI 期刊《Journal of Lightwave and Technology》（影响因子 4.8）。
光模块由于全球高度标准化，其封装形态固定，将智能化嵌入光模块面临物理空间约束、内部处理器可存储数据量和实时处理能力有限等多重挑战。中国移动研究院通过光模块功能设计和自研 AI 算法，完成高效、高精度数据采集和处理。其核心创新突破包括：
第一，攻克毫秒级高精度光功率采样技术。采用“软件触发 + 硬件辅助闭锁”机制，在不额外增加光模块物理空间负担的前提下，以 10 毫秒的采样分辨率，精准锁定并跟踪故障发声时 3 秒内的关键光功率数据窗口。第二，创新故障样本增强算法。针对 AI 训练中故障样本稀缺、类别不均衡的痛点，引入数据增强模块，在实际采集样本量不变的情况下，将模型准确率提升 2.3%。第三，设计动静态特征耦合分类算法。深入研究光网络故障光功率的瞬态变化规律，研发区别于业界通用分类算法的双注意力神经网络，可同时提取光功率信号的动态与静态特征。与传统支持向量机、随机森林等算法相比，故障识别准确率提升超过 14.7%。依托上述技术，该研究成果基于网络故障发生后 3 秒内的实时功率数据，仅需 25 毫秒即可完成 AI 运算，可自动精准识别设备掉电、光纤中断、尾纤脱落、光纤弯折和连接器松动等 5 种人工难以区分的故障，单类故障检测精度均超 95.6%。这一突破将光模块从“单一连接能力”拓展为“网络智能化触点”，实现“秒级锁存关键数据，毫秒级识别故障”，将故障诊断时间从传统人工“小时级”压缩至“秒级”“毫秒级”。
来源：湖北台科技快报
