A Hierarchical Heteroscedastic Gaussian Process Framework for Electro-Thermal Metamodeling in RF T/R Modules Under Kernel Misspecification

تعتمد أنظمة الرادار والاتصالات الحديثة على وحدات إلكترونية صغيرة وقوية يمكنها تحمل الحرارة الشديدة والإجهاد الكهربائي. هذه المكونات، المعروفة باسم وحدات الإرسال والاستقبال، هي بمثابة العيون والآذان لأنظمة الدفاع المتقدمة، وهي محملة بدارات معقدة تولد حرارة كبيرة أثناء تشغيلها. ولضمان عمل هذه الأجهزة بموثوقية دون أن تحترق، يجب على المهندسين محاكاة كيفية تفاعل الكهرباء والحرارة داخلها. ومع ذلك، فإن إجراء عمليات المحاكاة هذه أمر صعب للغاية؛ فهي تتضمن عشرات المتغيرات، مثل مستويات الجهد، ودورات التوقيت، ودرجات الحرارة المحيطة، كما أن النماذج الحاسوبية المطلوبة للتنبؤ بسلوك هذه الرقائق الصغيرة ثقيلة للغاية بحيث يصبح تشغيلها آلاف المرات لاختبار كل تصميم محتمل أمراً مستحيلاً من الناحية العملية.

ولحل هذه المشكلة، يستخدم المهندسون "النماذج البديلة" (surrogate models)، وهي اختصارات رياضية مبسطة تتعلم من عدد قليل من عمليات المحاكاة المكلفة للتنبؤ بنتائج العديد غيرها. فكر في هذه النماذج البديلة كخريطة مرسومة من بعض المعالم الرئيسية لإرشاد مسافر عبر منطقة شاسعة وغير مستكشفة. لسنوات طويلة، كانت الطريقة القياسية لرسم هذه الخرائط هي تقنية تسمى "العمليات الغاوسية" (Gaussian processes). ورغم فائدتها، إلا أن هذه الخرائط القياسية غالباً ما تفشل عندما تكون التضاريس وعرة أو عندما تتغير قواعد الطريق من مكان إلى آخر. وفي عالم الإلكترونيات عالية القدرة، يتغير "الضجيج" أو عدم اليقين في بيانات المحاكاة اعتماداً على مدى قوة عمل النظام؛ فقد تكون المحاكاة دقيقة للغاية عند القدرة المنخفضة، لكنها قد تصبح غير متوقعة بشكل جامح عند القدرة العالية. علاوة على ذلك، فإن الافتراضات الرياضية المستخدمة لبناء هذه الخرائط غالباً ما لا تتوافق مع الواقع المعقد وغير المنتظم للفيزياء المعنية، مما يؤدي إلى تنبؤات تبدو واثقة ولكنها في الواقع خاطئة.

لقد اقترح مارتن غوتز، مدير هندسة النظم في شركة نورثروف غرومان، طريقة جديدة لبناء هذه الخرائط التنبؤية تعالج هذه الإخفاقات المحددة. ويقدم نهجه، الموصوف في دراسة حديثة، إطار عمل هرمي يجزئ المشكلة إلى قطع أصغر يمكن إدارتها بدلاً من محاولة حلها دفعة واحدة. فبدلاً من فرض قاعدة رياضية واحدة صلبة لوصف النظام بأكل، يستخدم منهجه ثلاثة نماذج منفصلة ومترابطة: يتعلم النموذج الأول الاتجاه العام للحرارة، والنموذج الثاني يلتقط التقلبات والانحرافات المحلية، أما الثالث فيتتبع تحديداً كيفية تغير عدم اليقين أو "الضجيج" في البيانات عبر ظروف التشغيل المختلفة. يسمح هذا الهيكل للنظام بالإقرار بأن بعض أجزاء المحاكاة هي بطبيعتها أكثر ضجيجاً من غيرها، وهي ميزة تتجاهلها النماذج القياسية.

إن الابتكار الأكثر أهمية في هذا العمل هو "حلقة التغذية الراجعة" المصممة لإصلاح الخرائط عندما تُرسم بافتراضات خاطئة. في العديد من المشكلات الهندسية، يكون التخمين الأولي حول كيفية ارتباط المتغيرات ببعضها البعض غير كامل. ولا يكتفي منهج غوتز بقبول هذا النقص، بل يتحقق بنشاط من الخريطة مقابل البيانات التي رآها؛ حيث يبحث عن علامات تشير إلى أن الخريطة تفتقر إلى أنماط مهمة، مثل الحالات التي ترتبط فيها أخطاء التنبؤ باستمرار بإعدادات معينة مثل جهد التصريف (drain bias) أو دورة العمل (duty cycle). وإذا فشلت الخريطة في التقاط هذه الأنماط، يقوم النظام بتعديل قواعده الداخلية لتصحيح الخطأ. هذه العملية، التي يسميها المؤلف "التغذية الراجعة التشخيصية التكرارية"، تضمن أن النموذج لا يتنبأ بدرجة الحرارة بدقة فحسب، بل يقدر أيضاً مدى تأكده من هذا التنبؤ.

لاختبار إطار العمل الجديد هذا، أنشأ الباحثون معياراً مرجعياً اصطناعياً عالي التفصيل يحاكي السلوك المعقد وغير الخطي لرقائق الترددات الراديوية الحقيقية. لقد تعمدوا جعل الاختبار صعباً، باستخدام قاعدة رياضية قياسية غير مثالية من المعروف أنها تعاني مع هذا النوع من البيانات. ثم قارنوا منهجهم الهرمي الجديد بمنهجين موجودين: تقنية قياسية تفترض أن الضجيج هو نفسه في كل مكان، وتقنية أكثر تقدماً تأخذ في الاعتبار تغير الضجيج ولكنها لا تصحح الافتراضات الأولية الخاطئة. وكانت النتائج واضحة؛ فقد فشلت الطريقة القياسية في التقاط عدم اليقين الحقيقي، حيث كان فاصل الثقة بنسبة 95% يغطي النتائج الفعلية بنسبة 78% فقط من الوقت. وحسنت الطريقة المتقدمة هذه النسبة إلى 84%، لكنها ظلت تخطئ الهدف. أما المنهج الهرمي الجديد، مع حلقة التغذية الراجعة، فقد حقق تغطية بنسبة 94%، وهو ما يطابق مستوى الثقة المستهدف بشكل شبه مثالي.

وبعيداً عن ضبط فواصل الثقة فحسب، فقد حسّن المنهج الجديد دقة تنبؤات درجة الحرارة نفسها أيضاً. ففي عمليات المحاكاة هذه، قلل النهج الجديد متوسط الخطأ في التنبؤ بدرجة الحرارة إلى 4.83 درجة مئوية، وهو تحسن كبير مقارنة بـ 8.42 درجة مئوية التي سجلتها الطريقة القياسية. والأهم من ذلك، أن هذا المكسب في الدقة لم يأتِ ببساطة من جعل نطاقات التنبؤ أوسع وأكثر غموضاً؛ إذ زاد متوسط عرض فواصل التنبؤ قليلاً فقط، من 11.2 درجة إلى 13.8 درجة، مما يشير إلى أن التحسن جاء من فهم أفضل لسلوك النظام وليس مجرد التحوط بالاحتمالات. وتثبت الدراسة أنه من خلال استهداف معايرة فواصل التنبؤ هذه بشكل صريح، يمكن للمهندسين بناء أدوات أكثر موثوقية لتصميم الأنظمة الإلكترونية المعقدة.

من المهم ملاحظة أن هذه النتائج تم تحقيقها باستخدام بيانات مولدة حاسوبياً مصممة لمحاكاة الفيزياء في العالم الحقيقي، وليس من خلال الاختبار على أجهزة مادية فعلية. ويؤكد المؤلف أن التركيز في هذا العمل ينصب على المنهجية نفسها، لإثبات أن النهج يعمل تحت ظروف محكومة حيث تكون المشكلات محددة جيداً. أما الخطوة التالية، التي تم تحديدها كعمل مستقبلي، فستكون تطبيق إطار العمل هذا على منصات اختبار الأجهزة كاملة النطاق وسير عمل الإنتاج الحقيقي. وحتى ذلك الحين، تقف هذه الدراسة كإثبات لمفهوم قدرة النهج القائم على الهيكلية والتغذية الراجعة على التغلب على قيود النماذج التقليدية في البيئات عالية الأبعاد والممتلئة بالضجيج. فمن خلال فصل الاتجاه المتوسط، والانحرافات المحلية، والضجيج المتغير، ثم استخدام التشخيصات لتصحيح القواعد الأساسية، يوفر هذا الإطار مساراً نحو عمليات محاكاة أكثر موثوقية للجيل القادم من تكنولوجيا الرادار والاتصالات.