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
一分耕耘,一分收获!既然都打开这篇《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》,就坚持看下去,学下去吧!本文主要会给大家讲到等等知识点,如果大家对本文有好的建议或者看到有不足之处,非常欢迎大家积极提出!在后续文章我会继续更新科技周边相关的内容,希望对大家都有所帮助!
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
到这里,我们也就讲完了《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》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于数据,互联网的知识点!
ChatGPT将如何影响Web2、Web3和网络安全?
- 上一篇
- ChatGPT将如何影响Web2、Web3和网络安全?
- 下一篇
- 固定参数的模型有多大潜力?港中文、上海AI Lab等提出高效视频理解框架EVL
-
- 科技周边 · 人工智能 | 8小时前 |
- Hugging Face Datasets map batched 返回长度不一致时怎么定位
- 213浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 |
- Hugging Face Datasets flatten 怎么展开嵌套字段并保留特征类型
- 455浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 |
- Hugging Face Datasets with_format 和 set_format 混用后为什么列类型变了
- 228浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 兼容性 · LiteRT Select TF Ops TFLITE_BUILTINS TensorFlow模型转换 不支持算子
- LiteRT 转换遇到不支持算子时怎么判断是否启用 Select TF Ops
- 226浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · LiteRT SignatureDef 多输入模型 端侧推理
- LiteRT SignatureDef 多输入模型怎么按签名准备推理张量
- 191浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 |
- Keras 自定义 train_step 怎么让正则损失继续参与梯度
- 343浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · 深度学习 · Keras RaggedTensor keras.Input ragged=True TensorFlow backend 模型保存 load_model 变长序列
- Keras RaggedTensor 输入模型保存后怎么保持变长序列结构
- 250浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · Keras NaN mixed_float16 mixed precision loss scale 输入范围 dtype policy
- Keras mixed_float16 训练出现 NaN 怎么区分 loss scale 和输入范围
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · 深度学习 · PyTorch strict state_dict load_state_dict module. 前缀 检查点迁移
- PyTorch state_dict 参数名前缀变化后怎么兼容旧检查点
- 436浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · 深度学习 · 内存优化 · 内存 PyTorch 按需加载 mmap checkpoint torch.load map_location state_dict
- PyTorch torch.load 开启 mmap 后为什么读取参数时才占用内存
- 475浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 459次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 521次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 538次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 487次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 306次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

