@phdthesis{01JKG1PD8ZNP00YQBJAR3T3G5J,
  abstract     = {{Deze thesis onderzoekt een verschuiving van traditionele elektronische verwerking naar optische verwerking van signalen in optische communicatiesystemen. Deze verwerkingsmethoden corrigeren signaalverstoringen die ontstaan door de fysieke eigenschappen van verschillende systeemonderdelen of door onvolkomenheden in hun implementatie.Een belangrijke reden om optische verwerking te onderzoeken, is de uitdaging van het gebruik van coherente optische transceivers in netwerken over korte en middellange afstanden. Deze transceivers zijn geavanceerde componenten die zowel de amplitude als de fase van optische signalen detecteren, wat snellere en efficiëntere gegevensoverdracht mogelijk maakt. Echter, ze vereisen complexe signaalverwerking en veel rekenkracht, wat leidt tot een hoger energieverbruik en hogere kosten.Deze uitdaging speelt vooral in korte- en middellange-afstandsnetwerken, die minder dan enkele honderden kilometers beslaan. Dergelijke netwerken worden veel gebruikt in bijvoorbeeld datacenters en glasvezelverbindingen voor thuisgebruik en worden daarom op grote schaal ingezet. Door deze massale uitrol zijn kosten en energie-efficiëntie cruciale factoren.De voorgestelde oplossing omvat een geïntegreerde fotonische chip die de benodigde verwerking uitvoert met behulp van een machine learning-techniek genaamd reservoir computing. Deze aanpak maakt snellere en energiezuinigere verwerking mogelijk, waardoor de volgende generatie van netwerken praktischer en duurzamer worden.}},
  author       = {{Masaad, Sarah}},
  isbn         = {{9789463559492}},
  language     = {{eng}},
  pages        = {{var. p.}},
  publisher    = {{Ghent University. Faculty of Engineering and Architecture}},
  school       = {{Ghent University}},
  title        = {{Photonic reservoir equalization in coherent and self-coherent systems}},
  year         = {{2025}},
}