Concept and Experimental Demonstration of Optical IM/DD End-to-End System Optimization using a Generative Model
使用生成对抗网络实现端到端收发机，在之前，只有通过事先假设的显式简化通道模型才能实现优化。
端到端学习有用在IMDD系统中，网络也有人用RNN，微调（fine-tuning）也有人用，增强学习也被用到，GAN也被用到
使用bit映射，输入是1×（m×n），m是窗口长度，n是符号比特数，比如16QAM，n就是4
优化方法
发射端和接收端的网络参数初始化：在第0次迭代时，和离线训练是一致，离线训练使用IMDD信道，信道中只有色散和非线性
训练：
（我猜测），先用实验数据把GAN训练好，然后把generater放在信道的位置替代光纤，训练encoder，然后把训练好的发射端和接收端网络放在实验中
实验过程，拟合的是20km光纤，入纤功率为1dbm，中心波长1550nm，DAC采样率 84 GSa/s （好高。。）
实验结果，对比绿色的线有0.86dB的增益，给我一种增益并不明显的感觉，因为是用了GAN替代信道，GAN的训练需要迭代，所以绿线的横坐标是迭代次数。
因为，看其他论文，感觉FEC线也没那么难达到