特表 2022-554306 光学部品を処理するための装置、システム、及び、方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2022-12-28

(54)【発明の名称】光学部品を処理するための装置、システム、及び、方法

(51)【国際特許分類】

   G01M 11/00 20060101AFI20221221BHJP

   H04B 10/073 20130101ALI20221221BHJP

   G06N 3/02 20060101ALI20221221BHJP

【ＦＩ】

G01M11/00 T

H04B10/073

G06N3/02

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2022525476

(86)(22)【出願日】2020-11-05

(85)【翻訳文提出日】2022-06-27

(86)【国際出願番号】 US2020059086

(87)【国際公開番号】W WO2021092156

(87)【国際公開日】2021-05-14

(31)【優先権主張番号】62/930,681

(32)【優先日】2019-11-05

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】63/057,572

(32)【優先日】2020-07-28

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＨＤＭＩ

２．ＢＬＵＥＴＯＯＴＨ

３．Ｂｌｕ－ｒａｙ

(71)【出願人】

【識別番号】504466834

【氏名又は名称】ジョージア テック リサーチ コーポレイション

(74)【代理人】

【識別番号】100115749

【弁理士】

【氏名又は名称】谷川 英和

(74)【代理人】

【識別番号】100121223

【弁理士】

【氏名又は名称】森本 悟道

(72)【発明者】

【氏名】ヴァルゲーゼ，シッダールタ ジェイコブ

(72)【発明者】

【氏名】ラルフ，スティーブン イー．

【テーマコード（参考）】

2G086

5K102

【Ｆターム（参考）】

2G086EE03

2G086EE04

5K102AD01

5K102AH02

5K102AH24

5K102AH26

5K102LA02

5K102LA04

5K102LA05

5K102LA06

5K102LA35

5K102LA53

5K102MH01

5K102MH12

5K102MH32

5K102PB01

5K102PH01

5K102PH31

5K102RD26

5K102RD28

(57)【要約】

本方法は、光学装置の光出力データを受信するステップと、光出力データを、光出力データを光学性能測定基準に変換するように構成された訓練済みニューラルネットワークに供給するステップと、訓練済みニューラルネットワークを実行して、供給された光出力データを、光学装置のための光学性能測定基準に変換するステップと、を備える。
【選択図】図４

【特許請求の範囲】

【請求項1】

光学装置の光出力データを受信するステップと、
前記光出力データを、光出力データを光学性能測定基準に変換するように構成された訓練済みニューラルネットワークに供給するステップと、
前記訓練済みニューラルネットワークを実行して、供給された前記光出力データを、前記光学装置のための光学性能測定基準に変換するステップと、を備える方法。

【請求項2】

前記第１の光学装置は、光トランスミッタを備える、請求項１に記載の方法。

【請求項3】

前記性能測定基準は、前記光学装置に取り付けられた光通信システムに関する、請求項１に記載の方法。

【請求項4】

前記性能測定基準は、送信および分散アイクロージャクォータナリ（ＴＤＥＣＱ）ペナルティ法に関する、請求項１に記載の方法。

【請求項5】

前記光学装置は光レシーバである、請求項１に記載の方法。

【請求項6】

前記光出力データは、前記光学装置の出力の波形を含む、請求項１に記載の方法。

【請求項7】

前記光出力データは、前記光学装置の出力の波形から生成されるアイダイアグラムを含み、前記アイダイアグラムは前記訓練済みニューラルネットワークに供給される、請求項１に記載の方法。

【請求項8】

前記光学装置の出力の波形を受信するステップと、
前記波形に前処理を行って、前記波形をアイダイアグラムに変換するステップと、をさらに備える、請求項７に記載の方法。

【請求項9】

前記訓練済みニューラルネットワークは、畳み込みニューラルネットワークを含む、請求項１に記載の方法。

【請求項10】

前記畳み込みニューラルネットワークは、
畳み込みフィルタリングを行うように構成された複数の抽出層を含み、前記光出力データは第１の抽出層に供給され、後の抽出層の入力が前の抽出層の出力である、請求項９に記載の方法。

【請求項11】

前記畳み込みニューラルネットワークは、
畳み込みフィルタ及びプーリング層を有し、前記光出力データが供給される入力抽出層と、
畳み込みフィルタ及びプーリング層を有し、前記入力抽出層の出力が供給される第２の抽出層と、
畳み込みフィルタ及びプーリング層を有し、前記第２の抽出層の出力が供給される第３の抽出層と、を含む、請求項９に記載の方法。

【請求項12】

前記プーリング層は最大プーリング層である、請求項１１に記載の方法。

【請求項13】

前記訓練済みニューラルネットワークは、二次元畳み込みニューラルネットワークを含む、請求項１に記載の方法。

【請求項14】

前記訓練済みニューラルネットワークは、一次元畳み込みニューラルネットワークを含む、請求項１に記載の方法。

【請求項15】

前記光出力データを、検査測定装置を用いて取り込むステップをさらに含む、請求項１に記載の方法。

【請求項16】

前記検査測定装置は、リアルタイムスコープを含む、請求項１５に記載の方法。

【請求項17】

前記検査測定装置は、等価時間スコープを含む、請求項１５に記載の方法。

【請求項18】

前記光出力データを取り込むステップは、
前記光学装置を通って伝送される初期信号を前記光学装置内に出力するステップと、
前記光学装置から伝送された信号を読み出すステップと、を含む、請求項１に記載の方法。

【請求項19】

前記初期信号は、初期アナログ信号であり、読み出された前記信号は、読み出されたアナログ信号であり、
初期デジタル信号を変換して前記初期アナログ信号を生成するステップと、
前記読み出されたアナログ信号を読み出されたデジタル信号に変換するステップと、をさらに含む、請求項１８に記載の方法。

【請求項20】

前記初期信号は固定されている、請求項１８に記載の方法。

【請求項21】

前記初期信号は可変である、請求項１８に記載の方法。

【請求項22】

前記光出力データを取り込むステップは、前記初期信号と前記読み出された信号とを比較するステップをさらに含む、請求項２１に記載の方法。

【請求項23】

光評価システムを作成する方法であって、
１つ又は複数の代表の装置又はシステムから、複数の光波形を生成するステップと、
前記複数の光波形を評価して、前記１つ又は複数の代表の装置又はシステムの各性能適格性評価を判定するステップと、
ニューラルネットワークを動作して、前記ニューラルネットワークを、前記複数の光波形及び各前記性能適格性評価により訓練するステップと、を含む方法。

【請求項24】

前記複数の光波形を生成するステップは、前記１つ又は複数の代表の装置又はシステムの各装置について、
前記代表の装置を検査機内に配置するステップと、
前記代表の装置又はシステムからの出力を、オシロスコープを用いて取り込むステップと、を含む、請求項２３に記載の方法。

【請求項25】

複数の光波形を生成するステップは、１つ又は複数の仮想の代表の装置又はシステムに対応する合成波形を生成するステップを含む、請求項２３に記載の方法。

【請求項26】

合成波形を生成するステップは、
前記１つ又は複数の仮想の代表の装置をモデル化するステップと、
モデル化された前記装置に基づいて複数の波形を生成するステップと、を含む、請求項２５に記載の方法。

【請求項27】

レーザを制御して信号を出力するステップと、
前記信号を、変調器を用いて処理するステップと、
変調された前記信号を、オシロスコープにより合成波形として取り込むステップと、をさらに含む、請求項２５に記載の方法。

【請求項28】

前記変調器は、波形生成器の出力に基づいて調整される、請求項２７に記載の方法。

【請求項29】

前記変調器に対して電源ユニットを調節して、複数の異なる波形を生成するステップをさらに含む、請求項２８に記載の方法。

【請求項30】

前記変調された信号を横切ってフィルタを実装するステップをさらに含む、請求項２７に記載の方法。

【請求項31】

前記フィルタの帯域幅を調節して、複数の異なる波形を生成するステップをさらに含む、請求項３０に記載の方法。

【請求項32】

検査装置であって、
初期信号を搬送するように構成されている光学装置に前記初期信号を出力するように構成されたトランスミッタと、
前記光学装置から搬送された前記信号を受信するように構成された入力部と、
少なくとも１つのプロセッサと、
指令を格納したメモリと、を備え、
前記指令は、前記少なくとも１つのプロセッサによって実行されると、
前記光学装置の光出力データを、搬送された前記信号に基づいて生成し、
前記光出力データを、光出力データを光学性能測定基準に変換するように構成された訓練済みニューラルネットワークに供給し、
前記訓練済みニューラルネットワークを実行して、供給された前記光出力データを、前記光学装置のための光学性能測定基準適格性評価に変換するように、
前記少なくとも１つのプロセッサを制御する、検査装置。

【請求項33】

前記光学装置は光トランスミッタを含む、請求項３２に記載のシステム。

【請求項34】

前記性能測定基準は、前記光学装置に取り付けられた光通信システムに関する、請求項３２に記載のシステム。

【請求項35】

前記性能測定基準は、送信および分散アイクロージャクォータナリ（ＴＤＥＣＱ）ペナルティ法に関する、請求項３２に記載のシステム。

【請求項36】

前記光学装置は光レシーバである、請求項３２に記載のシステム。

【請求項37】

前記光出力データは、前記光学装置の出力の波形を含む、請求項３２に記載のシステム。

【請求項38】

前記光出力データは、前記光学装置の出力の波形から生成されるアイダイアグラムを含み、前記アイダイアグラムは前記訓練済みニューラルネットワークに供給される、請求項３２に記載のシステム。

【請求項39】

前記指令は、
前記光学装置の出力の波形を生成し、
前記波形に前処理を行い、前記波形をアイダイアグラムに変換するように、前記少なくとも１つのプロセッサをさらに制御する、請求項３８に記載のシステム。

【請求項40】

前記訓練済みニューラルネットワークは、畳み込みニューラルネットワークを含む、請求項３２に記載のシステム。

【請求項41】

前記畳み込みニューラルネットワークは、
畳み込みフィルタリングを行うように構成された複数の抽出層を含み、前記光出力データは抽出層に供給され、後の抽出層の入力が前の抽出層の出力である、請求項４０に記載のシステム。

【請求項42】

前記畳み込みニューラルネットワークは、
畳み込みフィルタ及びプーリング層を有し、前記光出力データが供給される入力抽出層と、
畳み込みフィルタ及びプーリング層を有し、前記入力抽出層の出力が供給される第２の抽出層と、
畳み込みフィルタ及びプーリング層を有し、前記第２の抽出層の出力が供給される第３の抽出層と、を含む、請求項４０に記載のシステム。

【請求項43】

前記プーリング層は最大プーリング層である、請求項４２に記載のシステム。

【請求項44】

前記訓練済みニューラルネットワークは、二次元畳み込みニューラルネットワークを含む、請求項３２に記載のシステム。

【請求項45】

前記訓練済みニューラルネットワークは、一次元畳み込みニューラルネットワークを含む、請求項３２に記載のシステム。

【請求項46】

前記入力部は、リアルタイムスコープを含む、請求項３２に記載のシステム。

【請求項47】

前記入力部は、等価時間スコープを含む、請求項３２に記載のシステム。

【請求項48】

前記初期信号は固定されている、請求項３２に記載のシステム。

【請求項49】

前記初期信号は可変である、請求項３２に記載のシステム。

【請求項50】

前記光出力データを取り込むことは、前記初期信号と前記搬送された信号とを比較することをさらに含む、請求項４９に記載のシステム。

【発明の詳細な説明】

【技術分野】

【0001】

（関連出願の相互参照）
本願は、２０１９年１１月５日付で出願された米国仮出願第６２／９３０，６８１号、及び、２０２０年７月２８日付で出願された米国仮出願第６３／０５７，５７２号に基づく優先権を主張するものであり、その全体を、それが以下に完全に示されているものとして、参照により本明細書に援用する。

【0002】

（技術分野）
光学部品を処理するため、及び、光学部品の品質を評価するための装置、システム、及び、方法

【背景技術】

【0003】

光の状態を予測可能かつ所望のように制御するため、及び、その変化した状態を検出するために、光学部品を使用可能である。例えば、光学部品は、通常、信号（例えばデータ信号）を高速に生成及び送信するために使用され、また、光学信号を高速に受信及び検出するためにも使用され、これによって高速データ容量光通信システムが実現可能である。光学部品は、反射、屈折、回折、吸収等によって、光と相互作用する。

【0004】

光学部品の、高位変調フォーマットを表す複雑な光波形を生成及び検出する性能等における進歩によって、より高い処理量でのより高い容量の光学通信リンクが可能となった。これらの部品は、データセンタネットワーク、ＷＤＭ光ファイバネットワーク、及び、類似のアプリケーションを成功させる鍵である。したがって、光学部品の使用が増え続けるにつれて、生成された又は検出された光波形における精工度が増え続け、部品の品質を確保する必要が増加の一途をたどっている。

【0005】

例えば、関連技術では、送信および分散アイクロージャクォータナリ（transmission and dispersion eye closure quaternary：ＴＤＥＣＱ）ペナルティ法を使用して、光トランスミッタ（例えば、５レベルのパルス振幅変調又は「ＰＡＭ－４」トランスミッタ）の適格性を評価する。ＰＡＭ－４光学システムは、レシーバにおいて信号処理法を実施し得るため、ＴＤＥＣＱは、レシーバとは無関係に、光トランスミッタ性能を評価するための統計学的手法である。これらのトランスミッタは、ファイバ光通信システム用に想定される多くのトランスミッタと同様に、十分な品質の波形を伝送して、ダイナミック信号処理を行う対応するレシーバが、特定の性能を有する通信リンクを形成可能なようにする必要がある。標準的なＴＤＥＣＱ法は、レファレンスフィードフォワード等化器（ＦＦＥ）の形で、信号処理を数値的に行う。レファレンスフィードフォワード等化器（ＦＦＥ）は、トランスミッタ、光学チャネル、及び、レファレンスレシーバに関連付けられた障害を含む、このリンク中に起こる障害を軽減するためのものである。トランスミッタは、この検査法を用いて、特定の性能基準を満たす必要がある。しかしながら、ＴＤＥＣＱは光トランスミッタにとって有効な性能指数ではあるが、これは、演算的に集中的な反復プロセスであり、したがって、ＴＤＥＣＱ値を算出するために膨大な時間、電力消費、及び、メモリが必要となる。したがって、光学部品の改善された処理を提供して、製造認定の取り組みを強化すると共に設置後の性能を確保する、改善された装置、システム、及び、方法が求められている。

【0006】

関連技術における第２の例は、光学直交振幅変調（ＱＡＭ）トランスミッタ及びレシーバを含む。ＱＡＭトランスミッタは、多重振幅を有する波形を生成する点でＰＡＭ－４トランスミッタと類似しているが、データを符号化するために光学信号の特定の位相も使用する。したがってこれらの部品は、データを符号化するために振幅及び位相変調された光学信号を生成及び受信する。また、ＱＡＭトランスミッタ及びレシーバはいずれも、ＰＡＭ－４部品に類似しているが、高品質な波形が確実に生成及び受信されるように信号処理を行うことが可能である。これは、波形を処理してトランスミッタ、光学チャネル、又は、レシーバの障害を軽減又は排除する能力を含む。これらの光学部品は、実施される高効率かつ正確な動的信号処理である方法を用いて、製造中及び使用中に独立して適格要件を満たす必要もある。したがって、ＱＡＭスタイル信号を生成及び受信するように意図された光学部品の性能測定基準（performance metrics）を提供するためにシステム及び方法を改善することが求められている。

【0007】

本開示の態様は、これら及び他の課題を解決するためのものである。本開示の幾つかの態様によれば、装置、システム、及び、方法は、光学部品を迅速かつ効果的に処理及び／又は評価するための改善された機能を、コンピュータシステムに提供し得る。

【発明の概要】

【0008】

一実施形態によれば、光学装置の光出力データを受信するステップと、前記光出力データを、光出力データを光学性能測定基準に変換するように構成された訓練済みニューラルネットワークに供給するステップと、前記訓練済みニューラルネットワークを実行して、供給された前記光出力データを、前記光学装置のための光学性能測定基準に変換するステップと、を備える方法が提供される。

【0009】

一実施形態によれば、光評価システムを作成する方法であって、１つ又は複数の代表の（representative）装置又はシステムから、複数の光波形を生成するステップと、前記複数の光波形を評価して、前記１つ又は複数の代表の装置又はシステムの各性能適格性評価を判定するステップと、ニューラルネットワークを動作して、前記ニューラルネットワークを、前記複数の光波形及び各前記性能適格性評価により訓練するステップと、を含む方法が提供される。

【0010】

一実施形態によれば、検査装置であって、第１の光学装置に初期信号を出力するように構成されたトランスミッタであって、前記第１の光学装置は、前記初期信号を搬送するように構成されているトランスミッタと、前記第１の光学装置から搬送された前記信号を受信するように構成された入力部と、少なくとも１つのプロセッサと、指令を格納したメモリと、を備え、前記指令は、前記少なくとも１つのプロセッサによって実行されると、前記初期信号と、搬送された前記信号とを比較して光出力データを生成し、前記光出力データを、光出力データを光学装置性能測定基準に変換するように構成された訓練済みニューラルネットワークに供給し、前記光学装置の光出力データを、搬送された前記信号に基づいて生成し、前記光出力データを、光出力データを光学性能測定基準に変換するように構成された訓練済みニューラルネットワークに供給し、前記訓練済みニューラルネットワークを実行して、供給された前記光出力データを、前記第１の光学装置のための光学装置性能測定基準に変換するように、前記少なくとも１つのプロセッサを制御する、検査装置が提供される。

【0011】

本明細書に含まれると共にその一部を構成する添付の図面は、ここに開示される主題の複数の実施形態を示すと共に、ここに開示される主題の原理を説明するためのものである。これらの図面は、ここに開示される主題の範囲を、いかなる方法によっても制限することを意図するものではない。

【図面の簡単な説明】

【0012】

【図1A】本開示の態様を実装するための例としての環境を示す図である。

【図1B】本開示の態様を実装するための例としての環境を示す図である。

【図2A】本開示の態様を実装するための例としての環境を示す図である。

【図2B】本開示の態様を実装するための例としての環境を示す図である。

【図3】例としての畳み込みニューラルネットワークを示す図である。

【図4】本開示の態様に係る光学部品評価を示すフローチャートである。

【図5】本開示の態様に係るニューラルネットワーク訓練を示す図である。

【図6】本開示の態様に係る合成波形生成システムを示す図である。

【図7】本開示の態様に係る例示的なコンピュータシステムを示すブロック図である。

【発明を実施するための形態】

【0013】

本開示の特定の実施形態を詳細に説明するが、他の実施形態も想定可能であることは理解されよう。したがって、本開示の範囲は、以下の説明に記載された又は図面に描画された構造の詳細及び部品の配置に限定されることが意図されるものではない。本開示の他の実施形態が、様々な方法で実施又は実行され得る。また、実施形態を説明する際には、明確にするために、特定の用語が使用される。各用語は、当業者が理解するような、その最も広い意味を想定し、同様の目的を果たすために同様の方法で作用する全ての技術的等価物を含むことが意図される。

【0014】

なお、明細書及び添付の特許請求の範囲において使用されるように、単数形「１つの（ａ）、（ａｎ）」、及び、「その（ｔｈｅ）」には、文脈が明らかに他のことを示していない限り、複数の参照物を含むことにも留意されたい。「１つの」構成要素を含む組成物についての参照は、指定された要素に加えて、他の構成要素を含むことが意図される。

【0015】

ここで、範囲は、「約」又は「およそ」又は「ほぼ」一つの特定の値から、及び／又は、「約」又は「およそ」又は「ほぼ」他の特定の値までとして表現され得る。このような範囲を表現する場合、他の例示的な実施形態は、一つの特定の値から及び／又は他の特定の値までを含む。

【0016】

ここで、「有している」、「有する」、「含んでいる」、又は「含む」といった用語の使用は、制約が無く、「備えている」又は「備える」といった用語と同じ意味を有することが意図され、他の構造、材料、又は、行為の存在を排除するものではない。同様に、「出来る」又は「し得る」といった用語の使用は、制約が無く、構造、材料、又は、行為が必須ではないことを反映しているが、このような用語を使用しないことが、構造、材料、又は、行為が必須であることを反映することを意図するものではない。構造、材料、又は、行為がその時に必須であると考えられる限り、これらは、そのようなものとして特定される。

【0017】

１つ又は複数の方法ステップの言及が、さらなる方法ステップ、又は、明示的に特定したステップ間に介在する方法ステップの存在を排除するものではないことも理解されよう。さらに、ここでは、使用される方法の異なる態様を暗示するために用語「ステップ」を使用するが、この用語は、個々のステップの順番が明確に求められない限り、及び、そのような場合を除き、ここに開示される様々なステップ間の任意の特定の順番を示唆するものと理解されるべきではない。

【0018】

本開示の様々な要素を構成するものとして以下に記載する部品は、説明のためのものであり、制限的なものではない。ここで記載される部品と同一又は類似の機能を実施する多くの好適な部品が、本開示の範囲に含まれることが意図される。このような、ここに記載されない他の部品は、例えば、本開示の主題の開発後に開発された類似の部品を含み得るが、これらに限定されない。

【0019】

本開示の原理及び特徴の理解を容易にするために、以下に様々な例示的な実施形態を説明する。しかしながら、本開示は、そのように限定されるものではなく、他の文脈においても適用可能である。

【0020】

上述のように、関連技術の光学部品評価は、集中的かつ反復的なプロセスを必要とする。本開示の態様は、これら及び他の課題を解決するためのものである。本開示の幾つかの態様によれば、装置、システム、及び、方法は、コンピュータシステムに、光学部品を迅速かつ効果的に処理及び／又は評価する、改善された機能を提供し得る。例えば、本発明の態様は、機械学習を利用して、アイダイアグラム画像又はリアルタイム波形を評価値に変換する。実験において、本発明者は、本開示の態様を実施することにより、速度が１０００倍まで増大し、評価システムの動作が強化されることを発見した。

【0021】

以下に、本開示の態様を、図面を参照しながら説明する。図１Ａは、本開示の態様が実施され得る例としての環境１００ａを示す図である。環境１００ａは、光出力データ（例えば、アイダイアグラム又は波形）と部品性能測定基準とを関連付けるために、ニューラルネットワーク１５５ａを訓練する訓練システムを示すブロック図である。環境１００ａは、レファレンストランスミッタ１１０ａ、光学リンク１１４、及び、較正済み光レシーバ１１６を、訓練環境１２０ａ内に含む。レファレンストランスミッタ１１０ａは、データ源１３０の信号データチャネルに接続されている。レファレンストランスミッタ１１０ａは、光リンク１１４を通って搬送される光波形を、較正済み光レシーバ１１６に出力する。較正済み光レシーバ１１６は、この光波形を受信し、それを電気波形に変換する。

【0022】

データレシーバ１４０は、較正済み光レシーバ１１６から電気波形を受信し、当該波形をデジタル化して取り込む。データレシーバ１４０は、アナログデジタルコンバータ（ＡｔｏＤ）を含んでいることが可能であり、例えば、リアルタイムスコープ又は等価時間サンプリングスコープであり得る。データレシーバ１４０は、光波形に対応するサンプリングされた波形を、コントローラ１５０に供給し、コントローラ１５０は、受信した特定の各波形のパラメータ値を、アルゴリズムを用いて判定する。波形は、判定されたパラメータと一対とされ、訓練されていないニューラルネットワーク１５５ａに、訓練サンプルとして提供される。

【0023】

幾つかのケースでは、コントローラ１５０（例えば、コンピュータ）は、波形を前処理し、これを、波形の有効な特徴を表すアイダイアグラム、コンステレーション（constellation）、又は、他の形状に変換することが可能である。その後、コントローラ１５０は、変換された波形と判定されたパラメータとを一対にし、この組み合わせ対を、ニューラルネットワーク１５５ａに、訓練サンプルとして提供可能である。同様に、データレシーバ１４０が、波形を前処理し、これを、波形の有効な特徴を表すアイダイアグラム、コンステレーション、又は、他の形状に変換してもよい。このような場合、変換された波形（例えば、アイダイアグラム又はコンステレーション）は、コントローラ１５０に提供されることが可能であり、その後、訓練されていないニューラルネットワーク１５５ａに、訓練サンプルとして、対になった判定されたパラメータと共に提供可能である。

【0024】

コントローラ１５０は、検査される対象のトランスミッタの性能の範囲を表す波形が生成されるように、データ源１３０及び／又は訓練環境１２０ａを構成することが可能である。例えば、コントローラ１５０は、レファレンストランスミッタ１１０ａに様々なストレスによる実際の部品をエミュレートさせる波形を、データ源１３０に出力させることが可能である。さらに、コントローラ１５０は、光リンク１１４及び／又は較正済み光レシーバ１１６を制御して、通信リンク上の様々なストレス（例えば、反射、温度、分散、及び、帯域幅制限）をエミュレートさせてもよい。

【0025】

光リンク１１４は、レファレンストランスミッタ１１０ａを較正済み光レシーバ１１６に接続する短い（例えば、わずかな）ファイバ長であり得るが、これは単に一例である。幾つかのケースでは、光リンク１１４は、例えば、トランスミッタとレシーバとの間の実際のファイバリンクを表す光ケーブルであり得る。幾つかのケースでは、光リンク１１４は、マルチモードファイバ、シングルモードファイバ、及び／又は、異なる種類のファイバを連結したものから構成されていてもよい。光リンク１１４は、例えば、コネクタ、スイッチ、増幅器、及び、フィルタを含む、パッシブ部品及びアクティブ部品を有していてもよい。幾つかのケースでは、光リンク１１４は、様々なフィルタ又は他のストレスを訓練環境１２０ａの通信リンクの中により容易に導入するために、部分的又は全体的に人工的であってもよい。

【0026】

図１Ｂは、本開示の態様が実施され得る例としての環境１００ｂを示す図である。環境１００ｂは、検査用（被検査）トランスミッタ１１０ｂをその関連付けられた光出力データ（例えば、アイダイアグラム又は波形）に基づいて評価するための検査システムを示すブロック図である。環境１００ｂは、検査用トランスミッタ１１０ｂ、光リンク１１４、及び、較正済み光レシーバ１１６を、検査環境１２０ｂ内に含む。レファレンストランスミッタ１１０ｂは、データ源１３０の信号データチャネルに接続されている。レファレンストランスミッタ１１０ｂは、光リンク１１４を介して搬送される光波形を、較正済み光レシーバ１１６に出力する。較正済み光レシーバ１１６は、光波形を受信し、それを電気波形に変換する。

【0027】

データレシーバ１４０は、較正済み光レシーバ１１６から電気波形を受信し、電気波形をデジタル化して取り込む。データレシーバ１４０は、アナログデジタルコンバータ（ＡｔｏＤ）を含んでいることが可能であり、例えば、リアルタイムスコープ又は等価時間サンプリングスコープであり得る。データレシーバ１４０は、サンプリングされた波形をコントローラ１５０に供給し、コントローラ１５０は、当該波形を訓練済みニューラルネットワーク１５５ｂに供給する。訓練済みニューラルネットワーク１５５ｂは、その波形を処理し、それを変形させて、検査用トランスミッタ１１０ｂのパラメータを生成する。

【0028】

幾つかのケースでは、コントローラ１５０（例えば、コンピュータ）は、波形を前処理し、これを、波形の有効な特徴を表すアイダイアグラム、コンステレーション、又は、他の形状に変換することが可能である。コントローラ１５０は、変形された波形を検査のためにニューラルネットワーク１５５ｂに供給可能であり、ニューラルネットワーク１５５ｂは、その入力を検査用トランスミッタ１１０ｂのパラメータに変換可能である。同様に、データレシーバ１４０が、波形を前処理し、これを、波形の有効な特徴を表すアイダイアグラム、コンステレーション、又は、他の形状に変換してもよい。このような場合、変形された波形（例えば、アイダイアグラム又はコンステレーション）は、コントローラ１５０に提供されることが可能であり、その後、訓練済みニューラルネットワーク１５５ｂに、処理のために提供されることが可能である。

【0029】

コントローラ１５０は、検査される対象のトランスミッタの性能の範囲を表す波形が生成されるように、データ源１３０及び／又は検査環境１２０ｂを構成することが可能である。例えば、コントローラ１５０は、様々な検査状況に応じて、データ源１３０に、ストレスを掛けた波形を検査用トランスミッタ１１０ｂに対して送信させることが可能である。さらに、コントローラ１５０は、光リンク１１４及び／又は較正済み光レシーバ１１６を制御して、通信リンク上の様々なストレス（例えば、反射、温度、及び、帯域幅制限）をエミュレートさせてもよい。

【0030】

光リンク１１４は、レファレンストランスミッタ１１０ｂを較正済み光レシーバ１１６に接続する短い（例えば、わずかな）ファイバ長であり得るが、これは単に一例である。幾つかのケースでは、光リンク１１４は、例えば、トランスミッタとレシーバとの間の実際のファイバリンクを表す長い光ケーブルであり得る。幾つかのケースでは、光リンク１１４は、マルチモードファイバ又はシングルモードファイバから構成されていてもよい。光リンク１１４は、例えば、コネクタ、スイッチ、増幅器、及び、フィルタを含むパッシブ部品及びアクティブ部品を有していてもよい。幾つかのケースでは、光リンク１１４は、様々なストレスを検査環境１２０ｂの通信リンクの中により容易に導入するために、部分的又は全体的に人工的であってもよい。

【0031】

図２Ａは、本開示の態様が実施され得る例としての環境２００ａを示す図である。環境２００ａは、光出力データ（例えば、アイダイアグラム又は波形）と部品性能測定基準とを関連付けるために、ニューラルネットワーク１５５ａを訓練する訓練システムを示すブロック図である。環境２００ａは、データ源１３０の信号データチャネルに接続された訓練環境２２０ａを含む。訓練環境２２０ａは、後で検査される部品の潜在的な動作をエミュレートする１つ又は複数の光学部品を含む通信リンクを含んでいてよい。光学部品の例は、超高速度でデータ信号を送信、受信、又は、伝送する部品又は製品、例えば、スイッチ及びルータといった高速データ通信及び電気通信ネットワーク装置や光ファイバシステムを含み得る。光ファイバシステムは、部品、リンク及び／又はチャネル、ケーブル、チップ間通信リンク、並びに、光トランスミッタ、レシーバ、及び／又はトランシーバを含む。

【0032】

データレシーバ１４０は、訓練環境２２０ａから電気波形を受信し、この波形をデジタル化して取り込む。データレシーバ１４０は、アナログデジタルコンバータ（ＡｔｏＤ）を含んでいることが可能であり、例えば、リアルタイムスコープ又は等価時間サンプリングスコープであり得る。データレシーバ１４０は、サンプリングされた波形を、コントローラ１５０に供給する。コントローラ１５０は、受信した各特定の波形のパラメータ値を、１つ又は複数のアルゴリズムを用いて判定する。この波形は、判定されたパラメータと一対とされ、訓練されていないニューラルネットワーク１５５ａに訓練サンプルとして提供される。

【0033】

幾つかのケースでは、コントローラ１５０（例えば、コンピュータ）は、波形を前処理し、これを、波形の有効な特徴を表すアイダイアグラム、コンステレーション、又は、他の形状に変換することが可能である。コントローラ１５０は、次に、変換された波形と判定されたパラメータとを一対にし、この組み合わせ対を、ニューラルネットワーク１５５ａに、訓練サンプルとして提供可能である。同様に、データレシーバ１４０が、波形を前処理し、これを、波形の有効な特徴を表すアイダイアグラム、コンステレーション、又は、他の形状に変換してもよい。このような場合、変換された波形（例えば、アイダイアグラム又はコンステレーション）は、コントローラ１５０に提供されることが可能であり、その後、訓練されていないニューラルネットワーク１５５ａに、訓練サンプルとして、対になった判定済パラメータと共に提供可能である。

【0034】

コントローラ１５０は、検査される対象のトランスミッタの性能の範囲を表す波形が生成されるように、データ源１３０及び／又は訓練環境２２０ａを構成することが可能である。例えば、コントローラ１５０は、環境２２０ａに様々なストレスによる実際の部品をエミュレートさせる波形を、データ源１３０に出力させることが可能である。さらに、コントローラ１５０は、光通信リンクの他の部分を制御して、通信リンク上の様々なストレス（例えば、反射、温度、及び、帯域幅制限）をエミュレートさせてもよい。

【0035】

図２Ｂは、本開示の態様が実施され得る例としての環境２００ｂを示す図である。環境２００ｂは、検査環境での検査用汎用光学部品２２０ｂをその関連付けられた光出力データ（例えば、アイダイアグラム又は波形）に基づいて評価するための検査システムを示すブロック図である。環境２００ｂは、データ源１３０の信号データチャネルに接続された検査環境２２０ｂを含む。検査環境内検査用部品２２０ｂは、電気波形をデータレシーバ１４０に搬送する。本開示を考慮すれば当業者に理解されるように、検査用部品とは、光通信リンクの１つ又は複数の部分であり得る。例えば、検査用光学部品は、超高速度でデータ信号を送信、受信、又は、伝送する部品又は製品、例えば、スイッチ及びルータといった高速データ通信及び電気通信ネットワーク装置や光ファイバシステムを含み得る。光ファイバシステムは、部品、リンク及び／又はチャネル、ケーブル、チップ間通信リンク、並びに、光トランスミッタ、レシーバ、及び／又はトランシーバを含む。

【0036】

データレシーバ１４０は、較正済み光レシーバ１１６から電気波形を受信し、電気波形をデジタル化して取り込む。データレシーバ１４０は、アナログデジタルコンバータ（ＡｔｏＤ）を含んでいることが可能であり、例えば、リアルタイムスコープ又は等価時間サンプリングスコープであり得る。データレシーバ１４０は、サンプリングされた波形をコントローラ１５０に供給し、コントローラ１５０は、波形を訓練済みニューラルネットワーク１５５ｂに供給する。訓練済みニューラルネットワーク１５５ｂは、その波形を処理し、それを変形させて、検査用部品のパラメータを生成する。

【0037】

幾つかのケースでは、コントローラ１５０（例えば、コンピュータ）は、波形を前処理し、これを、波形の有効な特徴を表すアイダイアグラム、コンステレーション、又は、他の形状に変換することが可能である。コントローラ１５０は、変形された波形を検査のためにニューラルネットワーク１５５ｂに提供し、ニューラルネットワーク１５５ｂは、その入力を検査用部品のパラメータに変換することが可能である。同様に、データレシーバ１４０が、波形を前処理し、これを、波形の有効な特徴を表すアイダイアグラム、コンステレーション、又は、他の形状に変換してもよい。このような場合、変形された波形（例えば、アイダイアグラム又はコンステレーション）は、コントローラ１５０に提供されることが可能であり、その後、訓練済みニューラルネットワーク１５５ｂに、処理のために提供可能である。

【0038】

コントローラ１５０は、検査される対象のトランスミッタの性能の範囲を表す波形が生成されるように、データ源１３０及び／又は検査環境２２０ｂを構成することが可能である。例えば、コントローラ１５０は、データ源１３０に、ストレスを掛けた波形を、様々な検査状況に応じて検査環境２２０ｂに対して送信させることが可能である。さらに、コントローラ１５０は、光検査環境２２０ｂの、検査用部品以外の部分を制御して、通信リンク上の様々なストレス（例えば、反射、温度、及び、帯域幅制限）をエミュレートさせてもよい。

【0039】

図３は、本開示の態様に係る例としての畳み込みニューラルネットワーク３００を示す図である。ニューラルネットワーク３００は、コントローラ１５０によって実施されるニューラルネットワーク１５５であり得る。ニューラルネットワーク３００は、入力として、波形又はアイダイアグラム３０１を受信し、この波形又はアイダイアグラムを、光学部品（例えば、光学部品１１０）用の性能適格性評価に変換する。ニューラルネットワーク３００は、畳み込みニューラルネットワークであり得る。幾つかのケースでは、ニューラルネットワーク３００は、（例えば、波形を処理するための）一次元ニューラルネットワーク又は（例えば、アイダイアグラムを処理するための）二次元ニューラルネットワークであり得る。当業者は、特定のニューラルノード構造３５０（例えば、全結合層）が畳み込み層の後に続くが、１５５を、「畳み込みニューラルネットワーク」又は「ニューラルネットワーク」として認識する。

【0040】

ニューラルネットワーク３００は、特徴を抽出及び／又は強化するように構成された複数の層を含んでいてもよく、その複数の層は、データを圧縮し、これを繰り返し行ってもよい。例えば、ニューラルネットワーク３００は、２つ又はそれ以上の層（例えば、特徴抽出層）３１０、３２０、３３０を含み得る。各抽出層３１０、３２０、３３０は、それぞれ、畳み込み層３１４、３２４、３３４、正規化線形ユニット３１６、３２６、３３６、及び、プーリング層３１８、３２８、３３８を含み得る。第１の抽出層３１０は、入力層３１０であり、入力として、波形若しくはアイダイアグラム３０１、又は、前処理動作の他の幾つかの出力を受信し得る。第２の畳み込み層３２０は、第１の層３１０の出力をその入力として受信し、波形又はアイダイアグラム３０１に二次処理を行い得る。第３の畳み込み層３３０は、第２の畳み込み層３２０からの出力を受信し、波形又はアイダイアグラム３０１に三次処理を行い得る。当業者であれば、「畳み込み層」が、処理層３１０、３２０、及び、３３０内の複数の機能及び／又は分割可能な層を指すと認識するだろう。

【0041】

第２及び第３の抽出層３２０及び３３０の畳み込み層及びプーリング層は、その前の抽出層の畳み込み層及びプーリング層よりも小さいデータセットに対して動作し得る。例えば、入力畳み込み層３１４は、例えば、４０×３０よりも大きい寸法（例えば、４７×３７）を有し、３０個以上のフィルタを有していてよく、第２の畳み込み層３２４は、１５×１５よりも大きい寸法（例えば、１７×１７）を有し、１０個以上のフィルタを有していてよく、第３の畳み込み層３３４は、５×５よりも大きい寸法（例えば、７×７）を有し、８個のフィルタを有していてよい。同様に、入力プーリング層３１８は、約４１×３１の寸法を有し、約１５のストライドを有していてよく、第２のプーリング層３２８は、約１３×１３の寸法を有し、約６のストライドを有していてよく、第３のプーリング層３３８は、約７×７の寸法を有し、約４のストライドを有していてよい。当業者であれば理解されるように、ここに示す例は、二次元ＣＮＮに関するものであるが、あるいは、一次元ＣＮＮを実施してもよい。当業者であれば理解されるように、プーリング層は、最大プーリング層であり得る。

【0042】

最終畳み込み抽出層３１０、３２０、３３０からの出力は、ドロップアウト層３４０に伝送され、ドロップアウト層３４０は、訓練中にノードをランダムに振り落として、過剰適合を低減すると共に訓練済みニューラルネットワーク３００内の汎化誤差を改善する。ドロップアウト層３４０に続いて、ニューラルノード構造３５０が、光学部品用の性能適格性評価を出力する。ニューラルノード構造３５０は、非限定の例として、前の層から情報を得て、それを性能測定基準の数値として実数値のスカラーにマップすることが可能な回帰ニューラルネットワーク、又は、前の層から情報を得て、それを、ユーザがニューラルネットワークを訓練する際に設定した複数の所定のエンティティのうちの１つにマップする分類層であり得る。

【0043】

図４は、一実施形態に係る、光学部品評価を示すフローチャート４００である。本方法は、例えば、検査システムによって実施され得る。検査システムは、例えば、図１Ｂ及び図２Ｂに図示及び記載される１つ以上の部品を含む検査システム１００ｂ又は２００ｂであるが、これは単に一例である。検査システムは、第１の光学装置（例えば、検査用トランスミッタ１１０ｂ）の光出力データを受信する（４１０）。光学装置は、例えば、光トランスミッタであることが可能である。検査システムは、光出力データを、例えばオシロスコープを使用して取り込む（４２０）。

【0044】

幾つかのケースでは、出力データは、受信され（４１０）、検査測定装置を用いて取り込まれる（４２０）。検査測定装置は、初期信号を第１の光学装置に出力し得る。例えば、初期信号は、第１の光学装置によって又は第１の光学装置を通して伝送されるように意図されていてよい。その後、第１の光学装置の出力が、第１の光学装置から読み出され得る。幾つかのケースでは、初期信号は、初期アナログ信号であり、読み出された信号は、読み出されたアナログ信号である。検査測定システムは、最初に、初期デジタル信号を初期アナログ信号に変換し、この初期アナログ信号を光学装置に供給し得る。同様に、光学装置の出力は、読みだされたアナログ信号であることが可能であり、検査測定機は、光波形及び／又はアイダイアグラムを生成する前、又は、この生成工程の一部として、読み出されたアナログ信号を読み出されたデジタル信号に変換し得る。幾つかのケースでは、入力信号は、検査のために固定され得るが、これは単に一例である。幾つかのケースでは、入力信号は可変であり、検査測定システムは、例えば、この初期信号を読み出された信号と比較して、光出力データを判定することが可能である。光学装置の異なる態様又は特徴を検査するために、又は、異なる条件について光学装置を検査するために、可変入力信号を用いることが可能である。入力信号と出力信号とを比較することによって、このシステムは、検査又は状況を変化するように適合され得る。

【0045】

取り込まれた光出力データは、光波形であり得る。検査システムは、取り込まれた光出力データを訓練済みニューラルネットワークに供給する（４３０）。例えば、検査システムは、光波形をニューラルネットワークに直接供給してもよい（４３０）。しかしながら、これは単に一例である。幾つかのケースでは、検査システムは、最初に、この波形を前処理し、例えばアイダイアグラムに変換する。検査システムは、その後、このアイダイアグラムをニューラルネットワークに供給し得る（４３０）。

【0046】

ニューラルネットワークを実行し、供給された光出力データを、第１の光学装置のための光学装置性能適格性評価に変換する（４４０）。ニューラルネットワークは、畳み込みニューラルネットワークであり得る。ここで、供給された光出力データは、光波形に対応し、ニューラルネットワークは、一次元ニューラルネットワークであり得る。ここで、供給された光出力データは、アイダイアグラムに対応し、ニューラルネットワークは、二次元ニューラルネットワークであり得る。しかしながら、これらは単なる例である。

【0047】

公知のように、光学部品の性能は、接続されている又は含まれている電気部品によって影響され得る。例えば、光トランシーバは、電気増幅器及び光変調器を含む場合が多い。したがって、本開示を考慮すれば当業者に理解されるように、電気部品は、光学部品の光学部と別々に検査され得る。

【0048】

図５は、一実施形態に係る、ニューラルネットワーク訓練を示すフローチャート５００である。本方法は、光学装置（例えば、代表の光学装置）から光波形を生成すること（５１０）を含む。光波形を生成することは、光学装置を検査機内に配置して、光学装置に、障害又は非理想の性能を表す動作範囲に対応する波形を出力させ、この装置からの出力を、オシロスコープを用いて取り込むことを含む。

【0049】

幾つかのケースでは、光波形を生成することは、１つ又は複数の仮想装置（例えば、仮想光学装置）又はシステム（例えば、光通信システム）に対応する合成波形を生成することを含んでいてよい。光通信システム又は光学通信リンクは、光トランスミッタ、光レシーバ、その間に接続された光学経路（例えば、光ファイバ経路）、及び、関連する要素を含み得る。これは、仮想光学装置をモデル化すること、及び、モデル化された装置に基づき波形を生成することを含んでいることが可能である。生成された波形は、仮想の装置性能を制御する定義された装置パラメータに対応する。しかしながら、これは単に一例である。幾つかのケースでは、合成波形は、レーザが信号を出力するように制御し、この信号を変調器で処理（例えば、変調）して、変調された信号を、オシロスコープで、合成波形として取り込むことを含んでいてよい。この変調器に接続されたデータ生成器の出力を変更することによって、複数の光波形が生成され得る。幾つかのケースでは、変調された信号を横切ってフィルタが実装されていてよい。このフィルタは、帯域幅制限をエミュレートすることが可能である。本開示を鑑みれば、当業者であれば、光学装置及びシステムの所望の性能範囲を表す波形を生成するための別の方法が存在することが認識されよう。

【0050】

この方法は、光学装置の各性能適格性評価を判定するために、光波形を評価すること（５２０）をさらに含む。この評価は、例えば、関連技術であるＴＤＥＣＱ法を用いて行うことが可能である。その後、さらなる波形が必要な場合（４２５：Ｙｅｓ）、新たな波形を生成する。光波形を生成すること（５１０）を合成により行う場合には、変調器に供給された電力、及び／又は、フィルタの帯域幅を調節して、異なる波形を生成してもよい。

【0051】

一旦、十分な波形及び評価が蓄積された場合（４２５：Ｎｏ）、ニューラルネットワークを動作して、ニューラルネットワークを、複数の光波形及び各性能適格性評価で訓練する（５３０）。幾つかのケースでは、ニューラルネットワークを訓練する前に、波形をアイダイアグラムに変換する。この場合、ニューラルネットワークを訓練して、直接波形を処理するか、又は、アイダイアグラムを処理することが可能である。幾つかのケースでは、波形は、より迅速に処理することが可能であるが、この場合、わずかに忠実性に欠ける。

【0052】

一実施形態では、他の検査を試みることで既に訓練されたニューラルネットワークを、転移学習技術を用いて再訓練して、新たな検査の試みにおける変化、例えば、特定のアナログ／デジタル変換器、ケーブル、又は、他の検査ハードウェアにおける変化を説明することが可能である。このような転移学習は、高性能を維持しつつ新たなニューラルネットワークを再訓練する時間を短縮することが可能である。

【0053】

図６は、一実施形態に係る合成波形生成システム６００を示すブロック図である。合成波形生成システム６００は、ニューラルネットワーク（例えば、ニューラルネットワーク１５５及び／又は３００）を訓練するための合成波形を生成し得る。このシステム６００は、波形生成器６２０の出力に基づき変調器６３０によって変調されるレーザ６１０を利用し得る。波形生成器６２０は、任意の波形生成器であり得る。さらに、このシステム６００は、帯域幅制限をエミュレートするためにガウシアンフィルタを実装していてよい。したがって、システム６００は、短距離シングルモードファイバの影響と同様に、検査ファイバの分散的な効果を得ることが可能である。変調器６３０は、電圧を駆動し、及び／又は、フィルタ帯域幅を変動させて複数の信号アイダイアグラムを得ることが可能である。アイダイアグラムは、アナログ／デジタル変換器６５０を用いて変換可能である。これらの信号アイダイアグラムを（例えば、関連技術のＴＤＥＣＱ法を利用して）評価して、評価値を算出することが可能である。これを繰り返して行うことにより、アイダイアグラムと評価値との合成訓練セットが、ニューラルネットワーク６６０を訓練及び検査するために、生成され得る。合成波形生成システム６００を利用することによって、１つの訓練セットに通常利用可能であるものより、広い範囲の評価値及びアイダイアグラムの種類が利用され得る。したがって、幾つかのケースでは、評価システムの動作が、さらに改善され得る。

【0054】

図７は、例としての一実装態様に係るコンピュータシステムアーキテクチャ７００を示すブロック図である。当業者であれば、本開示を踏まえ、コンピュータシステムアーキテクチャ７００からの１つ又は複数の要素を用いて、本開示の態様を実施可能であることは理解されよう。コンピュータデバイスアーキテクチャ７００は、例えば、例示のためだけに提供され、ここに開示されるシステム、方法、及び、コンピュータ可読媒体の様々な実装態様の範囲を制限するものではないことは理解されよう。

【0055】

図７のコンピュータデバイスアーキテクチャ７００は、コンピュータ指令を処理する中央演算処理装置（ＣＰＵ）７０２と、通信インターフェースとして機能し、動画、グラフィックス、画像、及び、テキストを画面上に表示させるための機能を提供する表示インターフェース７０４と、を含む。開示される技術の例としての所定の実装態様では、表示インターフェース７０４は、モバイルコンピュータ装置に関連付けられたタッチスクリーンディスプレイといった、ローカルディスプレイに直接接続されていてよい。他の例としての一実装態様では、表示インターフェース７０４は、モバイルコンピュータ装置に必ずしも物理的に接続されていない外部／遠隔ディスプレイ７５０用のデータ、画像、及び、他の情報を提供するように構成されていてもよい。例えば、モバイルコンピュータ装置上に提示されるグラフィックスや他の情報を描写するために、デスクトップモニタを使用してもよい。例としての所定の実装態様では、表示インターフェース７０４は、例えば、Ｗｉ－Ｆｉチャネル又は他の利用可能なネットワーク接続インターフェース７１２を介して、外部／遠隔ディスプレイ７５０と無線通信し得る。

【0056】

例としての一実装態様では、ネットワーク接続インターフェース７１２は、通信インターフェースとして構成されていてもよく、動画、グラフィックス、画像、テキスト、他の情報、又は、これらの任意の組み合わせを画面上に表示させる機能を提供し得る。一例では、通信インターフェースは、シリアルポート、パラレルポート、汎用入出力（ＧＰＩＯ）ポート、ゲームポート、ユニバーサルシリアルバス（ＵＳＢ）、マイクロＵＳＢポート、高精細度マルチメディア（ＨＤＭＩ）ポート、ビデオポート、オーディオポート、Ｂｌｕｅｔｏｏｔｈポート、近距離無線通信（ＮＦＣ）ポート、他の同様の通信インターフェース、又は、その任意の組み合わせを含んでいてよい。一例では、表示インターフェース７０４は、モバイル装置に関連付けられたタッチスクリーンディスプレイといったローカルディスプレイに動作可能に結合されていてよい。他の一例では、表示インターフェース７０４は、モバイルコンピュータ装置に必ずしも接続されていない外部／遠隔ディスプレイ７５０用の動画、グラフィックス、画像、テキスト、他の情報、又は、これらの任意の組み合わせを提供するように構成されていてもよい。一例では、モバイルコンピュータ装置上に提示され得るグラフィック情報を描写又は拡張するために、デスクトップモニタを使用してもよい。他の一例では、表示インターフェース７０４は、例えば、Ｗｉ－Ｆｉトランシーバといったネットワーク接続インターフェース７１２を介して、外部／遠隔ディスプレイ７５０と無線通信し得る。

【0057】

コンピュータデバイスアーキテクチャ７００は、キーボードに通信インターフェースを提供するキーボードインターフェース７０６を含んでいてよい。例としての一実装態様では、コンピュータデバイスアーキテクチャ７００は、プレゼンス感応型（presence-sensitive）ディスプレイ７０５に接続するためのプレゼンス感応型ディスプレイインターフェース７０８を含んでいてよい。開示される技術の例としての所定の実装態様によれば、プレゼンス感応型ディスプレイインターフェース７０８は、ポインティングデバイス、タッチスクリーン、深度カメラ等といった様々な装置に通信インターフェースを提供し得る。これらの装置は、ディスプレイに関連付けられていてもよいし、関連付けられていなくてもよい。

【0058】

コンピュータデバイスアーキテクチャ７００は、１つ又は複数の入力／出力インターフェース（例えば、キーボードインターフェース７０６、ディスプレイインターフェース７０４、プレゼンス感応型ディスプレイインターフェース７０８、ネットワーク接続インターフェース７１２、カメラインターフェース７１４、サウンドインターフェース７１６等）を介して入力装置を使用し、ユーザが情報をコンピュータデバイスアーキテクチャ７００の中に取り込むことを可能にするように構成されていてもよい。入力装置は、マウス、トラックボール、十字キー、トラックパッド、タッチ認証トラックパッド、プレゼンス感応型トラックパッド、プレゼンス感応型ディスプレイ、スクロールホイール、デジタルカメラ、デジタルビデオカメラ、ウェブカメラ、マイクロフォン、センサ、スマートカード、等を含み得る。さらに、入力装置は、コンピュータデバイスアーキテクチャ７００に一体化されていてもよいし、別の装置であってもよい。例えば、入力装置は、加速度計、磁気探知機、デジタルカメラ、マイクロフォン、及び、光センサであり得る。

【0059】

コンピュータデバイスアーキテクチャ７００の例としての実装態様は、アンテナに通信インターフェースを提供するアンテナインターフェース７１０や、ネットワークに通信インターフェースを提供するネットワーク接続インターフェース７１２を含んでいてよい。上述のように、表示インターフェース７０４は、ネットワーク接続インターフェース７１２と通信し、例えば、当該システムに直接接続されていない又は取り付けられていない遠隔ディスプレイ上に表示するための情報を提供し得る。例としての所定の実装態様では、通信インターフェースとして機能し、カメラからデジタル画像を取り込む機能を提供するカメラインターフェース７１４が設けられている。例としての所定の実装態様では、マイクロフォンを使用してサウンドを電気信号に変換すると共に、スピーカを用いて電気信号をサウンドに変換するためのサウンドインターフェース７１６が、通信インターフェースとして設けられている。例としての実装態様によれば、ランダムアクセスメモリ（ＲＡＭ）７１８が設けられている。このメモリ内では、コンピュータ指令及びデータが揮発性メモリ内に格納され、ＣＰＵ７０２によって処理される。

【0060】

例としての一実装態様によれば、コンピュータデバイスアーキテクチャ７００は、読み出し専用メモリ（ＲＯＭ）７２０を含む。このメモリでは、不変の低水準システムコード、又は、入力及び出力（Ｉ／Ｏ）、スタートアップ、キーボードからのキーストロークの受信といったベーシックシステム機能用データが、不揮発性メモリ装置内に格納される。例としての一実装態様によれば、コンピュータデバイスアーキテクチャ７００は、記憶媒体７２２又は他の好適な種類のメモリ（例えば、ＲＡＭ、ＲＯＭ、プログラム可能読み出し専用メモリ（ＰＲＯＭ）、消去可能プログラム可能読み出し専用メモリ（ＥＰＲＯＭ）、電気的に消去可能プログラム可能読み出し専用メモリ（ＥＥＰＲＯＭ）、磁気ディスク、光ディスク、フロッピーディスク、ハードディスク、取り外し可能なカートリッジ、フラッシュドライブ）を含む。このメモリには、ファイルが、オペレーティングシステム７２４、アプリケーションプログラム７２６（必要に応じて、例えば、ウェブブラウザーアプリケーション、ウィジット又はガジェットエンジン、及び／又は、他のアプリケーションを含む）を含み、データファイル７２８が格納されている。例としての一実装態様によれば、コンピュータデバイスアーキテクチャ７００は、適切な交流電流（ＡＣ）又は直流電流（ＤＣ）を電源部品に提供する電源７３０を含む。

【0061】

例としての一実装態様によれば、コンピュータデバイスアーキテクチャ７００は、装置７００がサウンドを、電話ネットワークを介して送信及び受信することを可能にする電話通信サブシステム７３２を含む。構成装置及びＣＰＵ７０２は、バス７３４を介して互いに通信する。

【0062】

例としての一実装態様によれば、ＣＰＵ７０２は、コンピュータプロセッサとなる適切な構造を有している。一構成では、ＣＰＵ７０２は、２つ以上の処理ユニットを含み得る。ＲＡＭ７１８は、コンピュータバス７３４とインターフェースを取り、オペレーティングシステムアプリケーションプログラム及び装置ドライバといったソフトウェアプログラムの実行中に、迅速なＲＡＭストレージをＣＰＵ７０２に提供する。より詳細に言えば、ＣＰＵ７０２は、コンピュータで実行可能なプロセスステップを格納媒体７２２又は他の媒体からＲＡＭ７１８のフィールドの中にロードし、ソフトウェアプログラムを実行する。データをＲＡＭ７１８内に格納してもよい。ここで、このデータは、実行中にコンピュータＣＰＵ７０２によってアクセスされ得る。

【0063】

格納媒体７２２自体は、多数の物理的ドライブユニットを含んでいてよい。物理的ドライブユニットの例は、冗長性のある独立ディスクの配列（ＲＡＩＤ）、フロッピーディスクドライブ、外部ハードディスクドライブ、サムドライブ、ペンドライブ、キードライブ、高解像度デジタル多用途ディスク（ＨＤ－ＤＶＤ）光ディスクドライブ、内部ハードディスクドライブ、Ｂｌｕ－Ｒａｙ光ディスクドライブ、又は、ホログラフィックデジタルデータストレージ（ＨＤＤＳ）光ディスクドライブ、外部ミニデュアルインラインメモリモジュール（ＤＩＭＭ）同期型ダイナミックランダムアクセスメモリ（ＳＤＲＡＭ）、又は、外部マイクロＤＩＭＭ ＳＤＲＡＭである。このようなコンピュータ可読格納媒体は、コンピュータ装置が、コンピュータで実行可能なプロセスステップや、取り外し可能及び取り外し不可能なメモリ媒体に格納されたアプリケーションプログラム等にアクセスすること、当該装置からデータをアンロードすること、又は、当該装置にデータをロードすることを可能にする。コンピュータプログラム製品、例えば、通信システムを利用するコンピュータプログラム製品は、格納媒体７２２内で明確に実施され得る。格納媒体７２２は、機械可読格納媒体を含み得る。

【0064】

例としての一実装態様によれば、ここで使用されるように、コンピュータ装置という用語は、ＣＰＵであってもよいし、又は、ＣＰＵ（例えば、図７のＣＰＵ７０２）として概念化されていてもよい。この実装態様例では、コンピュータ装置（ＣＰＵ）は、ディスプレイ等の１つ又は複数の周辺装置に連結、接続、及び／又は、通信していることが可能である。他の例としての一実装態様において、ここで使用されるように、コンピュータ装置という用語は、スマートフォン、タブレットコンピュータ、又は、スマートウォッチといったモバイルコンピュータ装置を指すことが可能である。この実装態様例では、コンピュータ装置は、コンテントをそのローカルディスプレイ及び／又はスピーカに出力することが可能である。例示的な他の例としての一実装態様では、コンピュータ装置は、コンテントを、ＴＶ又は外部コンピュータシステムといった外部ディスプレイ装置に（例えば、Ｗｉ－Ｆｉを介して）出力することが可能である。

【0065】

開示する技術の例としての実装態様では、コンピュータ装置は、幾つかの動作を促進するために実行される任意の数のハードウェア及び／又はソフトウェアアプリケーションを含んでいてよい。例としての実装態様では、１つ又は複数のＩ／Ｏインターフェースは、コンピュータ装置と１つ又は複数の入力／出力装置との間の通信を促進することが可能である。例えば、ユニバーサルシリアルバスポート、シリアルポート、ディスクドライブ、ＣＤ－ＲＯＭ装置、及び／又は、１つ又は複数のユーザインターフェース装置（例えば、キーボード、キーパッド、マウス、制御パネル、タッチスクリーンディスプレイ、マイクロフォン等）が、コンピュータ装置とのユーザインターアクションを促進し得る。この１つ又は複数のＩ／Ｏインターフェースは、データ及び／又はユーザ指令を、様々な入力装置から受信又は収集するために用いられ得る。受信されたデータは、１つ又は複数のコンピュータプロセッサによって、所望のように、開示技術の様々な実装態様において処理され得る、及び／又は、１つ又は複数のメモリ装置内に格納され得る。

【0066】

１つ又は複数のネットワークインターフェースが、コンピュータ装置入力部及び出力部と、１つ又は複数の好適なネットワーク及び／又は接続部との接続を促進し得る。この接続部の例は、システムに関連付けられた任意の数のセンサとの通信を促進させる接続部である。この１つ又は複数のネットワークインターフェースは、さらに、１つ又は複数の好適なネットワークへの接続を容易にし得る。１つ又は複数の好適なネットワークの例は、外部装置及び／又はシステムと通信するための、ローカルエリアネットワーク、ワイドエリアネットワーク、インターネット、セルラーネットワーク、無線周波数ネットワーク、Ｂｌｕｅｔｏｏｔｈが可能なネットワーク、Ｗｉ－Ｆｉが可能なネットワーク、衛星に基づく任意の有線ネットワーク、任意の無線ネットワーク、等である。

【0067】

本開示の一実施形態は、少なくとも以下に基づいて実施可能である。

【0068】

項１：光学装置の光出力データを受信するステップと、前記光出力データを、光出力データを光学性能測定基準に変換するように構成された訓練済みニューラルネットワークに供給するステップと、前記訓練済みニューラルネットワークを実行して、供給された前記光出力データを、前記光学装置のための光学性能測定基準に変換するステップと、を備える方法。

【0069】

項２：前記光学装置は、光トランスミッタを備える、項１に記載の方法。

【0070】

項３：前記性能測定基準は、前記光学装置に取り付けられた光通信システムに関する、項１又は２に記載の方法。

【0071】

項４：前記性能測定基準は、送信および分散アイクロージャクォータナリ（ＴＤＥＣＱ）ペナルティ法に関する、項１～３のいずれか１項に記載の方法。

【0072】

項５：前記光学装置は光レシーバである、項１～４のいずれか１項に記載の方法。

【0073】

項６：前記光出力データは、前記光学装置の出力の波形を含む、項１～５のいずれか１項に記載の方法。

【0074】

項７：前記光出力データは、前記光学装置の出力の波形から生成されるアイダイアグラムを含み、前記アイダイアグラムは前記訓練済みニューラルネットワークに供給される、項１～６のいずれか１項に記載の方法。

【0075】

項８：前記光学装置の出力の波形を受信するステップと、前記波形に前処理を行って、前記波形をアイダイアグラムに変換するステップと、をさらに備える、項７に記載の方法。

【0076】

項９：前記訓練済みニューラルネットワークは、畳み込みニューラルネットワークを含む、項１～８のいずれか１項に記載の方法。

【0077】

項１０：前記畳み込みニューラルネットワークは、畳み込みフィルタリングを行うように構成された複数の抽出層を含み、前記光出力データは第１の抽出層に供給され、後の抽出層の入力が前の抽出層の出力である、項９に記載の方法。

【0078】

項１１：前記畳み込みニューラルネットワークは、畳み込みフィルタ及びプーリング層を有し、前記光出力データが供給される入力抽出層と、畳み込みフィルタ及びプーリング層を有し、前記入力抽出層の出力が供給される第２の抽出層と、畳み込みフィルタ及びプーリング層を有し、前記第２の抽出層の出力が供給される第３の抽出層と、を含む、項９又は１０に記載の方法。

【0079】

項１２：前記プーリング層は最大プーリング層である、項１１に記載の方法。

【0080】

項１３：前記訓練済みニューラルネットワークは、二次元畳み込みニューラルネットワークを含む、項１～１２のいずれか１項に記載の方法。

【0081】

項１４：前記訓練済みニューラルネットワークは、一次元畳み込みニューラルネットワークを含む、項１～１２のいずれか１項に記載の方法。

【0082】

項１５：前記光出力データを、検査測定装置を用いて取り込むステップをさらに含む、項１～４のいずれか１項に記載の方法。

【0083】

項１６：前記検査測定装置は、リアルタイムスコープを含む、項１５に記載の方法

【0084】

項１７：前記検査測定装置は、等価時間スコープを含む、項１５又は１６に記載の方法。

【0085】

項１８：前記光出力データを取り込む前記ステップは、前記光学装置内に初期信号を出力するステップであって、前記初期信号は前記光学装置を通って伝送されるステップと、前記光学装置から伝送された信号を読み出すステップと、を含む、項１～１７のいずれか１項に記載の方法。

【0086】

項１９：前記初期信号は、初期アナログ信号であり、読み出された前記信号は、読み出されたアナログ信号であり、初期デジタル信号を変換して前記初期アナログ信号を生成するステップと、前記読み出されたアナログ信号を読み出されたデジタル信号に変換するステップと、をさらに含む、項１８に記載の方法。

【0087】

項２０：前記初期信号は固定されている、項１８又は１９に記載の方法。

【0088】

項２１：前記初期信号は可変である、項１８又は１９に記載の方法。

【0089】

項２２：前記光出力データを取り込む前記ステップは、前記初期信号と前記読み出された信号とを比較するステップをさらに含む、項１～２１のいずれか１項に記載の方法。

【0090】

項２３：光評価システムを作成する方法であって、１つ又は複数の代表の装置又はシステムから、複数の光波形を生成するステップと、前記複数の光波形を評価して、前記１つ又は複数の代表の装置又はシステムの各性能適格性評価を判定するステップと、ニューラルネットワークを動作して、前記ニューラルネットワークを、前記複数の光波形及び各前記性能適格性評価により訓練するステップと、を含む方法。

【0091】

項２４：前記複数の光波形を生成する前記ステップは、前記１つ又は複数の代表の装置又はシステムの各装置について、前記代表の装置を検査機内に配置するステップと、前記代表の装置又はシステムからの出力を、オシロスコープを用いて取り込むステップと、を含む、項２３に記載の方法。

【0092】

項２５：複数の光波形を生成する前記ステップは、１つ又は複数の仮想の代表の装置又はシステムに対応する合成波形を生成するステップを含む、項２３又は２４に記載の方法。

【0093】

項２６：合成波形を生成する前記ステップは、前記１つ又は複数の仮想の代表の装置をモデル化するステップと、モデル化された前記装置に基づいて複数の波形を生成するステップと、を含む、項２５に記載の方法。前記複数の波形は、性能の範囲を表すことができる。

【0094】

項２７：レーザを制御して信号を出力するステップと、前記信号を、変調器を用いて処理するステップと、変調された前記信号を、オシロスコープにより合成波形として取り込むステップと、をさらに含む、項２５又は２６に記載の方法。

【0095】

項２８：前記変調器は、波形生成器の出力に基づいて調整される、項２７に記載の方法。

【0096】

項２９：前記変調器に対して電源ユニットを調節して、複数の異なる波形を生成するステップをさらに含む、項２８に記載の方法。

【0097】

項３０：前記変調された信号を横切ってフィルタを実装するステップをさらに含む、項２７～２９のいずれか１項に記載の方法。

【0098】

項３１：前記フィルタの帯域幅を調節して、複数の異なる波形を生成するステップをさらに含む、項３０に記載の方法。

【0099】

項３２：検査装置であって、光学装置に初期信号を出力するように構成されたトランスミッタであって、前記光学装置は、前記初期信号を搬送するように構成されているトランスミッタと、前記光学装置から搬送された前記信号を受信するように構成された入力部と、少なくとも１つのプロセッサと、指令を格納したメモリと、を備え、前記指令は、前記少なくとも１つのプロセッサによって実行されると、前記光学装置の光出力データを、搬送された前記信号に基づいて生成し、前記光出力データを、光出力データを光学性能測定基準に変換するように構成された訓練済みニューラルネットワークに供給し、前記訓練済みニューラルネットワークを実行して、供給された前記光出力データを、前記光学装置のための光学性能測定基準に変換するように、前記少なくとも１つのプロセッサを制御する、検査装置。

【0100】

項３３：前記光学装置は光トランスミッタを含む、項３２に記載のシステム。

【0101】

項３４：前記性能測定基準は、前記光学装置に取り付けられた光通信システムに関する、項３２又は３３に記載のシステム。

【0102】

項３５：前記性能測定基準は、送信および分散アイクロージャクォータナリ（ＴＤＥＣＱ）ペナルティ法に関する、項３２～３４のいずれか１項に記載のシステム。

【0103】

項３６：前記光学装置は光レシーバである、項３２～３５のいずれか１項に記載のシステム。

【0104】

項３７：前記光出力データは、前記光学装置の出力の波形を含む、項３２～３６のいずれか１項に記載のシステム。

【0105】

項３８：前記光出力データは、前記光学装置の出力の波形から生成されるアイダイアグラムを含み、前記アイダイアグラムは前記訓練済みニューラルネットワークに供給される、項３２～３７のいずれか１項に記載のシステム。

【0106】

項３９：前記指令は、前記光学装置の出力の波形を生成し、前記波形に前処理を行い、前記波形をアイダイアグラムに変換するように、前記少なくとも１つのプロセッサをさらに制御する、項３２～３８のいずれか１項に記載のシステム。

【0107】

項４０：前記訓練済みニューラルネットワークは、畳み込みニューラルネットワークを含む、項３２～３９のいずれか１項に記載のシステム。

【0108】

項４１：前記畳み込みニューラルネットワークは、畳み込みフィルタリングを行うように構成された複数の抽出層を含み、前記光出力データは抽出層に供給され、後の抽出層の入力が前の抽出層の出力である、項４０に記載のシステム。

【0109】

項４２：前記畳み込みニューラルネットワークは、畳み込みフィルタ及びプーリング層を有し、前記光出力データが供給される入力抽出層と、畳み込みフィルタ及びプーリング層を有し、前記入力抽出層の出力が供給される第２の抽出層と、畳み込みフィルタ及びプーリング層を有し、前記第２の抽出層の出力が供給される第３の抽出層と、を含む、項４０又は４１に記載のシステム。

【0110】

項４３：前記プーリング層は最大プーリング層である、項４２に記載のシステム。

【0111】

項４４：前記訓練済みニューラルネットワークは、二次元畳み込みニューラルネットワークを含む、項３２～４３のいずれか１項に記載のシステム。

【0112】

項４５：前記訓練済みニューラルネットワークは、一次元畳み込みニューラルネットワークを含む、項３２～４４のいずれか１項に記載のシステム。

【0113】

項４６：前記入力部は、リアルタイムスコープを含む、項３２～４５のいずれか１項に記載のシステム。

【0114】

項４７：前記入力部は、等価時間スコープを含む、項３２～４６のいずれか１項に記載のシステム。

【0115】

項４８：前記初期信号は固定されている、項３２～４７のいずれか１項に記載のシステム。

【0116】

項４９：前記初期信号は可変である、項３２～４７のいずれか１項に記載のシステム。

【0117】

項５０：前記光出力データを取り込むことは、前記初期信号と前記搬送された信号とを比較することをさらに含む、項３２～４９のいずれか１項に記載のシステム。

【0118】

少なくとも１つのプロセッサと、指令を格納した１つ又は複数のメモリと、を備えるシステムであって、前記指令は、前記少なくとも１つのプロセッサによって実行されると、項１～３１のいずれか１項に記載の方法を実行するように前記少なくとも１つのプロセッサを制御するシステム。

【0119】

項１～３１のいずれか１項に記載の方法を実行するための指令を格納した非一時的なコンピュータ可読媒体。

【0120】

本明細書及び提供される図面に加えて、本開示は、本開示に従った器具の開発の詳細を説明する添付書類を含むが、これは、単に説明のためであり、制限するためのものではない。

【0121】

本開示を、様々な図面に示され上記の明細書中で説明されるような、複数の典型的な態様に関連して説明してきたが、本開示と同じ機能をこれから逸脱することなく実施するために、他の類似の態様を使用することも、記載した態様に対して変形及び追加を行うことも可能であることは、理解されよう。例えば、本開示の様々な態様では、方法及び組成を、ここに開示される主題の態様に従って記載した。しかしながら、記載した態様と同等の他の方法又は組成も、本教示によれば想定可能である。したがって、本開示は、任意の単独の態様に限定されるべきではなく、むしろ、添付の特許請求の範囲に従った幅及び範囲内で解釈されたい。

【図1A】

【図1B】

【図2A】

【図2B】

【図3】

【図4】

【図5】

【図6】

【図7】

【国際調査報告】