综述：光路管理中人工智能驱动的传输质量分析综述

《Digital Communications and Networks》：A survey of AI-driven QoT analysis in lightpath management

这篇综述系统回顾了人工智能（AI）在光通信网络光路（LP）管理中的传输质量（QoT）分析应用。文章聚焦于未建立光路的可行性预测、智能频谱分配（SA）和自适应余量优化三大关键场景，详细梳理了机器学习（ML）和深度学习（DL）等AI方法在此领域的进展。特别指出当前研究普遍忽视了光路间（inter-LP）相关性对网络整体QoT动态的重要影响，并提出了融合物理层约束的未来研究方向，为下一代光网络的智能化管理提供了新颖视角。

　　

引言

新兴技术范式，如沉浸式连接、人工智能（AI）集成和全向服务架构，正推动下一代6G光通信网络的演进。这些高级服务对网络延迟、容量和用户感知质量提出了严格要求。光传输网络凭借其高带宽、低延迟、长距离传输和灵活架构，有望成为6G服务的骨干网。在此背景下，光路（LP）管理对于保证6G时代光网络服务的可靠性、效率和质量变得至关重要。

相关背景

现代光路架构需要适应指数级增长的异构流量，并集成密集波分复用（DWDM）、可重构光分插复用器（ROADMs）、弹性频谱分配和多芯光纤系统等先进技术。在此结构中，