近日，光通信领域顶级会议OFC 2026（Optical Fiber Communication Conference）在美国洛杉矶举办。本届大会首次设立了机器学习挑战赛（OFC 2026 ML Challenge），吸引了全球众多顶尖高校与研究机构参与。上海交通大学集成电路学院（信息与电子工程学院）诸葛群碧教授课题组博士生邱淇智带领团队，凭借出色的算法设计与稳健的现场发挥，获OFC首届机器学习挑战赛冠军。

背景与挑战

近年来，机器学习（ML）在自然语言处理、计算机视觉等领域展现出变革性力量，而基于大规模数据集的公开挑战赛更是极大地推动了相关领域的科学进步。在光通信领域，尽管机器学习在光网络建模、性能预测与资源配置方面已初显潜力，但目前仍缺乏统一的基准测试与结构化数据集来引领研究前沿。为填补这一空白，OFC大会首次设立了机器学习挑战赛。

本次挑战赛的核心任务聚焦于掺铒光纤放大器（EDFA）的增益谱建模问题。在实际的光通信网络中，EDFA的增益谱会受到器件老化（aging）、光谱烧孔（SHB）等复杂物理效应的深刻影响。比赛不仅要求参赛队伍建立能够包容这些复杂物理效应的高精度增益谱模型，更要求模型在未见过的（unseen）放大器配置区间内保持强大的泛化能力，这对算法的鲁棒性与适应性提出了极高要求。

技术创新

本次挑战赛竞争激烈，经过前期的严格筛选，来自世界各地顶尖课题组的23支参赛队伍中，仅4支队伍入围总决赛（Finalist）。

团队成员：邱淇智（22级博士生）、朱昱康（22届本科毕业生）、项绍文（22级本科生）、文婧羽（25级硕士生）、张子恒（25级博士生）

指导老师：诸葛群碧

框架模型图

比赛结果图

比赛中，参赛团队提出了一种基于FourierKAN算子学习的全局光谱映射策略，用于EDFA增益谱的高效预测。模型结合EDFA光放大的物理原理，创新性地将算子学习引入增益谱预测任务，精准表征了从放大器配置与输入功率谱到EDFA增益谱的复杂映射关系。通过利用Fourier KAN网络的自适应非线性表达能力，并结合傅里叶神经算子FNO卓越的全局谱处理能力，大幅提升了模型的准确性与对未知数据的适应性，确保在复杂多变的测试环境中依然保持高精度的预测与极强的泛化性能。