We propose a machine learning based approach to predict control signals for a photonic switching system. This solution is topology and technology agnostic and it can be employed in real-time switch control planes.

Machine Learning Assisted Management of Photonic Switching Systems / Khan, Ihtesham; Masood, MUHAMMAD UMAR; Tunesi, Lorenzo; Bardella, Paolo; Carena, Andrea; Curri, Vittori. - ELETTRONICO. - (2021). ((Intervento presentato al convegno (CLEO) conference on Lasers and Electro-Optics tenutosi a San Jose nel 9–14 May 2021 [10.1364/CLEO_AT.2021.JTu3A.32].

Machine Learning Assisted Management of Photonic Switching Systems

KHAN, IHTESHAM;MASOOD, MUHAMMAD UMAR;TUNESI, LORENZO;BARDELLA, PAOLO;CARENA, ANDREA;CURRI, VITTORI
2021

Abstract

We propose a machine learning based approach to predict control signals for a photonic switching system. This solution is topology and technology agnostic and it can be employed in real-time switch control planes.
978-1-943580-91-0
File in questo prodotto:
File Dimensione Formato  
CLEO_AT-2021-JTu3A.32.pdf

non disponibili

Tipologia: 2a Post-print versione editoriale / Version of Record
Licenza: Non Pubblico - Accesso privato/ristretto
Dimensione 251.5 kB
Formato Adobe PDF
251.5 kB Adobe PDF   Visualizza/Apri   Richiedi una copia
C_CLEO_2021_Machine_Learning_Assisted_Management____V1_02032021 (1).pdf

Open Access dal 15/05/2022

Tipologia: 2. Post-print / Author's Accepted Manuscript
Licenza: PUBBLICO - Tutti i diritti riservati
Dimensione 175.81 kB
Formato Adobe PDF
175.81 kB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11583/2917912