Analysis of polarization drift of optical signals over deployed aerial-inground fiber connections

Résumé technique : Analyse de la dérive de polarisation des signaux optiques sur des connexions de fibres aériennes-souterraines déployées

Énoncé du problème
La dérive de polarisation demeure un défi critique pour les infrastructures de fibre déployées utilisées dans les communications quantiques, où une stabilisation de la polarisation sub-seconde précise est requise pour maintenir un débit et une fidélité d'intrication élevés. Contrairement aux systèmes classiques multi-térabits qui utilisent des fibres à maintien de polarisation et un traitement numérique du signal pour atténuer la dérive, les réseaux quantiques opérant sur des infrastructures déployées standards sont confrontés à des variations de polarisation hautement stochastiques et non stationnaires. Ces dérives sont induites par des facteurs environnementaux — spécifiquement la température, l'humidité et la vitesse du vent — qui provoquent une modulation de l'indice de réfraction et des effets photoélastiques, entraînant une biréfringence spatialement inégale et des rotations de l'état de polarisation (SOP). Bien que des études antérieures aient caractérisé la dérive dans des fibres exclusivement aériennes ou enterrées, il existe un manque d'analyse à long terme sur les connexions hybrides aériennes-souterraines couvrant plusieurs saisons, particulièrement en ce qui concerne l'estimation des caractéristiques de dérive à l'aide de mesures environnementales plutôt que de la simple prévision.

Méthodologie
Les auteurs ont mené une étude de 11 mois (décembre 2024 à novembre 2025) sur une connexion de fibre hybride aérienne-souterraine de 15 km au Laboratoire National d'Oak Ridge.

• Collecte de données : Un signal polarisé à onde continue de 1550 nm a été transmis à travers la fibre. Des mesures de Stokes en base linéaire (horizontal-vertical) ont été collectées en continu. Les données ont été traitées à l'aide d'un dispositif de caractérisation de signal multi-FFT, générant des transformées de Fourier rapides (FFT) toutes les 45 minutes avec une résolution de mHz (bacs de 0,37 mHz).
• Extraction de caractéristiques : À partir des FFT (spécifiquement l'ensemble de données $Y_{Hz}$ allant de 0 à 0,76 Hz), des caractéristiques spectrales globales ont été extraites : l'aire spectrale ($Y_{Area}$), le centroïde spectral ($Y_{sp,cen}$), la variance spectrale ($Y_{sp,var}$), l'entropie spectrale ($Y_{sp,ent}$) et l'exposant $\beta$ de la tendance $f^{-\beta}$.
• Entrées environnementales : Des données météorologiques (température, humidité relative, vitesse du vent) ont été collectées à des intervalles de 2 minutes à partir d'une station locale. Les caractéristiques d'entrée comprenaient les valeurs actuelles, les changements sur des intervalles de 45 minutes ($\Delta$), et l'heure de la journée.
• Cadre théorique : Un modèle théorique basé sur des équations différentielles stochastiques et des opérateurs de rotation $SO(3)$ a été développé pour décrire la dérive de la SOP comme un produit de rotations unitaires pilotées par des variables environnementales. Ce modèle a informé l'approche d'apprentissage automatique en soulignant la nature de bruit non linéaire et multiplicative de la dérive ainsi que la réponse thermique retardée des couches de la fibre.
• Apprentissage automatique : Des régresseurs de type Forêt Aléatoire (Random Forest) ont été employés pour estimer les caractéristiques spectrales ($Y$) en fonction des historiques environnementaux ($X$). L'étude a comparé des entrées sans décalage (unlagged) à des entrées avec décalage (lagged) (historique de 4 heures, espacement d'un jour) pour tenir compte du temps d'équilibrage thermique de la fibre et des matériaux externes (ex: glace, saleté). La performance a été évaluée par l'erreur logarithmique quadratique moyenne (RMSLE) par rapport à des estimateurs de référence (heure de la journée uniquement et combinaisons de moyennes mobiles).

Contributions clés et résultats

1. Caractérisation diurne et saisonnière : L'analyse a révélé de fortes structures diurnes dans l'aire spectrale ($Y_{Area}$), avec des maxima diurnes s'alignant sur les pics de température et de vitesse du vent et les creux d'humidité. Les niveaux nocturnes étaient systématiquement plus bas. La saisonnalité était prononcée, avec des moyennes et des variances plus élevées en été par rapport à l'hiver.
2. Propriétés spectrales : Les caractéristiques de la FFT ont indiqué un bruit multiplicatif fort, le signal étant concentré dans 5,1 % de la fenêtre de 0,76 Hz. L'exposant $\beta$ oscillait autour de 1,0 (bruit de type flicker), montrant des chutes plus fréquentes en hiver, probablement dues à des phénomènes induits par le vent comme le galopage dans les fibres recouvertes de glace.
3. Dépendances environnementales :
   • Heure de la journée et Température : Ont montré la dépendance la plus forte vis-à-vis de l'aire spectrale.
   • Vitesse du vent : A montré la plus forte dépendance vis-à-vis du centroïde spectral et de l'exposant $\beta$, particulièrement en hiver.
   • Hétéroscédasticité : La variance de l'aire spectrale était non stationnaire, augmentant avec la température saisonnière, ce qui soutient le modèle théorique selon lequel des températures plus élevées rendent les fibres plus vulnérables aux changements de biréfringence induits par les contraintes.
4. Performance de l'apprentissage automatique :
   • Les estimateurs de Forêt Aléatoire ont atteint un faible écart global (<2 % d'erreur relative) entre les ensembles de données de test et d'entraînement sous RMSLE.
   • L'inclusion de données environnementales décalées (historique de 24 heures avec un espacement de 4 heures) a amélioré l'estimation, particulièrement pour les creux nocturnes, en tenant compte de la réponse thermique retardée de la fibre.
   • Les estimateurs ont réussi à capturer les cycles diurnes et les tendances saisonnières, mais ont eu des difficultés à prédire les amplitudes exactes des pics secondaires brusques, qui sont probablement pilotés par le bruit intrinsèque ou des dépendances environnementales à haute fréquence non modélisées.
   • Les modèles de référence utilisant uniquement les données de l'heure de la journée ont mal performé en hiver, confirmant que les variables environnementales sont nécessaires pour une estimation précise à travers les saisons.

Signification et affirmations
L'article affirme fournir une caractérisation complète de la dérive de polarisation sur des fibres hybrides aériennes-souterraines, comblant le fossé entre les modèles théoriques et l'estimation empirique par apprentissage automatique. La principale signification réside dans la démonstration que les mesures environnementales peuvent être utilisées pour estimer la composante déterministe des caractéristiques de dérive de la polarisation avec une grande fiabilité (<2 % d'erreur relative entre l'entraînement et les tests), malgré le bruit élevé et la non-stationnarité du signal.

Les auteurs affirment que leur cadre permet une « prédiction sensible à la météo » des caractéristiques de dérive de la SOP. Cette capacité est présentée comme un outil de surveillance et de contrôle de l'état de la liaison dans les réseaux quantiques, permettant potentiellement une planification proactive, un routage et l'optimisation des paramètres de contrôle de la polarisation (ex: réglage PID) basés sur la télémétrie environnementale. L'étude souligne que bien que la prédiction absolue de l'intégralité du signal soit difficile en raison du bruit, l'estimation de l'espérance des caractéristiques dépendantes de la météo est une approche viable et précieuse pour maintenir la stabilité du réseau. Le travail ne prétend pas éliminer le besoin de compensation active de la polarisation, mais suggère que l'estimation environnementale peut améliorer l'efficacité et la robustesse de ces systèmes.