Performance Optimisation and Simulation-Based Validation of 400 Gbps Dual-Polarization QPSK Optical Backhaul Systems for 5G and Beyond Mobile Networks

ملخص تقني: تحسين الأداء والتحقق القائم على المحاكاة لأنظمة الربط البصري للشبكات الخلفية بقدرة 400 جيجابت في الثانية بنمط الاستقطاب المزدوج وتعديل QPSK

بيان المشكلة
أدى النمو الهائل في حركة بيانات الهاتف المحمول المدفوع بنشر تقنيات الجيل الخامس (5G) وتطبيقات الجيل السادس (6G) الناشئة إلى خلق أزمة سعة في شبكات الربط البخلي (Backhaul) البصرية. وبينما يوفر نظام 400 جيجابت في الثانية بنمط الاستقطاب المزدوج وتعديل إزاحة الطور التربيعي (DP-QPSK) توازناً مقنعاً بين كفاءة الطيف وتعقيد التنفيذ، فإن نشره العملي يواجه تحديات مادية في الطبقة الفيزيائية. وتشمل هذه التحديات التشتت اللوني (CD)، والتشتت في نمط الاستقطاب (PMD)، واللاخطية الليفية، وضجيج الانبعاث التلقائي المضخم (ASE)، والتي تتفاقم عند معدلات الرموز الأعلى. علاوة على ذلك، غالباً ما تعاني حلول معالجة الإشارات الرقمية (DSP) الحالية من مقايضة بين التعقيد الحسابي، واستهلاك الطاقة، والأداء تحت الظروف البيئية الواقعية (مثل تقلبات درجات الحرارة وخصائص الألياف المتنوعة). تستهلك معالجات الإشارات الرقمية المتماسكة الحالية طاقة كبيرة (25-35 واط لكل طول موجي)، وتفتقر العديد من مناهج تعلم الآلة (ML) إلى التحقق الإحصائي الصارم، أو النمذجة المستندة إلى الفيزياء، أو تحليل جدوى الأجهزة للتنفيذ في الوقت الفعلي.

المنهجية
يقترح المؤلفون إطار عمل موحداً، مستنداً إلى الفيزياء ومعتمداً على البيانات، لأنظمة الربط الخلفي البصري DP-QPSK بقدرة 400 جيجابت في الثانية. تدمج المنهجية المكونات التالية:

1. نمذجة القناة: يتم نمذجة انتشار الإشارة باستخدام معادلة مانوكوف (Manakov equation)، والتي تُحل عبر طريقة تقسيم الخطوات الفورية (SSFM) ذات الخطوة التكيفية. يراعي هذا الإطار التشتت اللوني (CD)، وتشتت نمط الاستقطاب (PMD)، ولاخطية كير (Kerr nonlinearities)، وضجيج ASE (مع معامل ضجيج لـ EDFA يبلغ 5 ديسيبل). كما يُستخدم نموذج قناة هندسي عشوائي بدلاً من افتراضات الضجيج الغاوسي القياسية، بهدف تحسين دقة التنبؤ بمدى الوصول.
2. بنية معالجة الإشارات الرقمية (DSP): الابتكار الأساسي هو موازن هجين يعتمد على الشبكات العصبية التلافيفية والذاكرة طويلة قصيرة المدى ثنائية الاتجاه (CNN-BiLSTM). هذا الموازن يستبدل خوارزميات تعديل السعة الثابتة (CMA) والانتشار الخلفي الرقمي (DBP) التقليدية. تتضمن سلسلة DSP ما يلي:
   • تصحيح المقدمة (عدم توازن I/Q، وإزاحة التيار المستمر).
   • تعويض التشتت اللوني (CD) في نطاق التردد.
   • استعادة الساعة.
   • موازن CNN-BiLSTM المقترح للتعويض الخطي واللاخطي المتبقي.
   • تقدير طور الموجة المعزز بتعلم الآلة.
   • اختيار الرموز وتصحيح الخطأ ذو القرار الناعم (SD-FEC).
3. استراتيجيات التحسين:
   • تتبع الاستقطاب متعدد المقاييس الزمنية: نموذج ارتباط عبر المقاييس الزمنية يجمع بين مرشح كالمان (للتقلبات السريعة) والأساليب التربيعية الصغرى المتكررة (للانجرافات البطيئة).
   • معالجة الإشارات الرقمية التكيفية مع الموارد: تخصيص ديناميكي للموارد الحسابية بناءً على معلومات حالة القناة في الوقت الفعلي (OSNR، CD، PMD) لتقليل استهلاك الطاقة مع الحفاظ على الأداء.
   • التصميم المشترك المدرك للأجهزة: نمذجة صريحة لعيوب المرسل والمستقبل (ضجيج الطور، ضجيج التكميم) ضمن حلقة التحسين.
4. إطار التحقق: تستخدم الدراسة محاكاة مونت كارلو بـ $10^6$ رمز لكل تجربة و1,000 تجربة مستقلة. يتم إجراء التحقق الإحصائي باستخدام الاستدلال البايزي، وفترات الثقة (Wald وbootstrap)، واختبار الفرضيات (اختبار t لعينتين) لضمان أن التحسينات المطالب بها ذات دلالة إحصائية ($p < 0.01$). كما تُجري دراسة الاستئصال (Ablation study) مكونات الهيكل بشكل منهجي لتحديد المساهمات الفردية.
5. تحليل الجدوى: يستهدف تحليل قائم على التركيب (Synthesis-based analysis) شريحة Xilinx Zynq UltraScale+ RFSoC ودائرة متكاملة مخصصة (ASIC) بتقنية 7 نانومتر، لتقدير زمن التأخير، والطاقة، واستغلال الموارد لموازن CNN-BiLSTM عند 32 جيجابود (GBaud).

المساهمات الرئيسية
يدعي البحث المساهمات المحددة التالية:

• النمذجة الهجينة (فيزيائية-تعلم آلة): دمج موازن CNN-BiLSTM ضمن إطار عمل قائم على معادلة مانوكوف، مما يحقق 95% من تخفيف اللاخطية مع تعقيد أقل بنسبة 93% من طريقة الانتشار الخلفي الرقمي (DBP) المبسطة.
• التتبع متعدد المقاييس الزمنية: نموذج تتبع مبتكر يقلل العقبات المرتبطة بالاستقطاب بنسبة 60%.
• نموذج القناة الهندسي العشوائي: عملية مرتبطة مكانياً تحسن دقة التنبؤ بالمدى بنسبة 25% مقارنموذج الضجيج الغاوسي (GN).
• معالجة الإشارات الرقمية التكيفية مع الموارد: مخطط تخصيص ديناميكي يحقق خفضاً في الطاقة بنسبة 35% مع البقاء ضمن نطاق 0.3 ديسيبل من أداء التعقيد الكامل.
• التحقق الإحصائي الصارم: استخدام اختبارات الفرضيات ودراسات الاستئصال لتأكيد أن كل مكون معماري يساهم بشكل كبير في مكاسب الأداء.
• جدوى الأجهزة: تقديرات تركيبية توضح أن موازن CNN-BiLSTM يمكنه العمل عند 32 جيجابود مع 128 محركاً متوازياً في تقنية 7 نومتر بآثار استهلاك طاقة تقدر بـ 150 ميلي واط وزمن تأخير قدره 2.4 ميكرو ثانية.

النتائج
تشير نتائج المحاكاة تحت قدرة إطلاق 4 ديسيبل مللي أمبير ونقل غير مكرر لمسافة 1200 كم (SSMF، معامل ضجيج EDFA = 5 ديسيبل) إلى:

• الأداء: يعمل النظام فوق حد الكم القياسي (SQL) بمقدار 4.7 ديسيبل. معدل خطأ البت قبل التصحيح (pre-FEC BER) هو $2.8 \times 10^{-3}$، وهو أقل بكثير من عتبة SD-FEC البالغة $2.4 \times 10^{-2}$.
• عامل Q: تم تحقيق أقصى عامل Q يبلغ 10.5 ديسيبل، مما يمثل تحسناً قدره 2.3 ديسيبل عن معالجة DSP القياسية و1.2 ديسيبل عن أفضل طريقة DBP تقليدية.
• التعقيد والطاقة: تقلل البنية المقترحة التعقيد الحسابي بنسبة 93% واستهلاك الطاقة بنسبة 35% مقارنة بمعالجة DSP القياسية.
• تخفيف اللاخطية: يحقق النظام كفاءة تخفيف لاخطية بنسبة 95%.
• التقارب: يصل CNN-BiLSTM إلى التقارب بعد 35 حقبة (epoch) بخسارة نهائية قدرها 0.008.
• الدلالة الإحصائية: تم تأكيد جميع التحسينات المطالب بها (مثل تقليل ضجيج الطور بنسبة 60%، وزيادة فتح العين بمقدار 2.5 ضعف) بقيمة $p < 0.001$ عبر اختبارات t.
• المقارنة التجارية: يظهر النظام المقترح تكلفة تنافسية لكل جيجابت ($0.80) وكفاءة في الطاقة مقارنة بالأنظمة التجارية بقدرة 400G (مثل Acacia وInfinera وCiena)، ويرجع ذلك أساساً إلى تقليل تعقيد DSP.

الأهمية والادعاءات
يضع هذا البحث عمله كمسار قابل للتوسع نحو شبكات الربط الخلفي البصري بقدرة 600 جيجابت إلى 1 تيرابايت لشبكات 5G-Advanced و6G. يدعي المؤلفون أن ابتكاراتهم المتكاملة تسد الفجوة بين الحدود النظرية والتنفيذ العملي من خلال:

1. توفير إطار عمل لتعلم الآلة مستند إلى الفيزياء يتجنب طبيعة "الصندوق الأسود" للنماذج المعتمدة على البيانات فقط.
2. تقديم تحقق إحصائي صارم ودراسات استئصال، لمعالجة الفجوة في الأدبيات الحالية حيث تكون التحسينات غالباً نوعية أو تفتقر إلى فترات الثقة.
3. إثبات الجدوى للأجهزة من خلال تحليل التركيب، والانتقال من مجرد مقترحات نظرية لتعلم الآلة إلى قيود التنفيذ في الوقت الفعلي (زمن التأخير، الطاقة، المساحة).
4. تحقيق أداء قريب من الحدود الكمية باستخدام مكونات متاحة تجارياً (EDFA NF=5 dB، SSMF قياسي)، مما يجعل الحل مجدياً اقتصادياً للربط الخلفي للهاتف المحمول.

يصرح المؤلفون صراحةً أن العمل يعتمد على المحاكاة والتقديرات القائمة على التركيب. وقد حددوا التحقق من خلال "الأجهزة في الحلقة" (hardware-in-the-loop) على FPGA والتجارب الميدانية كعمل مستقبلي ضروري لتأكيد هذه النتائج في الظروف الواقعية. لا يدعي البحث أنه قد تم نشر النظام فعلياً أو قياسه على رقائق مصنعة، بل يقدم عملية شاملة للتحقق القائم على المحاكاة وخارطة طريق للجدوى.