南大團隊集成光網與DAS，助力基礎設施監測升級

聚焦！南大團隊以集成光網與DAS融合，助力基礎設施監測大升級

蓋世汽車消息顯示，在基礎設施監測領域，分布式聲學傳感(DAS)系統堪稱一項尖端技術。它能夠敏銳地檢測到長達數十公里的光纖電纜中出現的微小振動。從地震探測、石油勘探，到鐵路監測以及海底電纜監控等諸多方面，DAS 系統都展現出了極高的應用價值。

然而，美中不足的是，DAS 系統在運行過程中會產生海量的數據，而這些數據在處理速度上存在著明顯的瓶頸。這一問題極大地限制了該系統在那些需要即時響應的實時應用場景中的有效性。

為了更高效地處理 DAS 系統產生的數據，機器學習技術，尤其是神經網絡，成為了極具潛力的解決方案。在過去的幾十年里，使用 CPU 和 GPU 的傳統電子計算的處理能力雖有顯著提升，但在速度和能效方面，依然面臨著一些根本性的限制。與之形成鮮明對比的是，光子神經網絡另辟蹊徑，它利用光來進行計算，而非傳統的電。這種創新的方式提供了一種革命性的選擇，有望在極低的功耗下實現更高的處理速度。

不過，要將光子神經網絡這樣的光學計算系統與 DAS 技術進行集成并非易事，其中面臨著諸多重大技術挑戰。特別是在處理復雜的數據結構以及確保精確的信號處理方面，存在著不少難題亟待解決。

據外媒報道，由南京大學鄒寧睦博士所帶領的研究團隊積極探索，致力于開發一種創新的方法來突破這些技術障礙。相關的研究成果以論文的形式發表在了《Advanced Photonics》期刊上。在這篇報告中，詳細探討了他們新開發的時分復用光子神經網絡加速器(TWM-PNNA)在處理 DAS 系統數據方面的應用情況，為解決 DAS 系統數據處理難題帶來了新的希望與可能，也為基礎設施監測領域的技術發展提供了新的思路。