AI-Assisted Supermode Tracking and Low-Complexity Equalization in Strongly Coupled Multicore Fiber Transmission Systems

يعتمد عالم الإنترنت فائق السرعة على فكرة بسيطة ولكنها قوية: إرسال المزيد من البيانات عبر نفس الخيط الرفيع من الزجاج. لعقود من الزمن، دفع المهندسون حدود كمية المعلومات التي يمكن لكابل واحد من الألياف الضوئية حملها من خلال حشد المزيد من ألوان الضوء فيه. ومع ذلك، هناك سقف فيزيائي لهذا النهج. ولتجاوز هذا السقف، يتجه العلماء إلى الفضاء نفسه، باستخدام تقنية تسمى "تعدد الإرسال بتقسيم الفضاء". فبدلاً من وجود مسار واحد فقط للضوء، يستخدمون أليافاً تحتوي على قنوات صغيرة متعددة، أو "نوى"، تعمل جنباً إلى جنب. وفي بعض هذه الألياف المتقدمة، توضع النوى قريبة جداً من بعضها البعض لدرجة أن الضوء في إحدى النوى يتسرب طبيعياً إلى جاراتها. هذا الاتصال القوي يجبر موجات الضوء على السفر معاً كنمط واحد موحد يُعرف باسم "النمط الفائق" (supermode). وبينما يوفر هذا وسيلة لمضاعفة السعة، فإنه يطرح مشكلة جديدة: البيئة المحيطة. تماماً كما قد ينزاح طريق طويل تحت ثقل شاحنة أو حرارة الشمس، تتغير أشكال هذه الألياف قليلاً بسبب تقلبات درجات الحرارة، أو الانحناء، أو الالتواء. هذه التحولات الطفيفة تغير كيفية اختلاط موجات الضوء معاً، مما يؤدي إلى تشويش البيانات ما لم يتمكن المستقبل من إعادة تعلم النمط الجديد باستمرار.

لقد طور باحث في جامعة عبد الله غول طريقة جديدة للتعامل مع هذا التشويش، باستخدام الذكاء الاصطناعي للحفاظ على وضوح تدفق البيانات دون إثقال كاهل أنظمة الكمبيوتر التي تعالجها. في عملهم، واجهوا تحدي الحفاظ على النظام في هذه الألياف شديدة الاقتران، حيث ينحرف مسار الضوء باستمرار. اقترحوا مستقبلاً لا يحاول إصلاح الفوضى بعد حدوثها عبر حسابات ضخمة وبطيئة، بل يستخدم شبكة عصبية ذكية ومدمجة للتنبؤ بدقة بكيفية اختلاط الضوء في أي لحظة. ومن خلال تعلم الشكل الحالي لنمط الإشارة، يمكن للنظام تدوير البيانات فوراً وإعادتها إلى محاذاتها الصحيحة قبل أن تبدأ عملية التصحيح الثقيلة للأخطاء. يسمح هذا النهج للنظام باستخدام مرشحات (فلاتر) أبسط بكثير لتنقية الإشارة، مما يجعل من الممكن توسيع نطاق هذه الألياف عالية السعة لتشمل عشرات النوى دون أن تخرج قوة المعالجة المطلوبة عن السيطرة.

اختبر الباحث فكرته من خلال عمليات محاكاة حاسوبية مفصلة تحاكي الظروف الواقعية عبر مسافات طويلة. قام بنمذجة ليف ضوئي يحتوي على ستة نوى، يرسل بيانات مشفرة بتنسيق معقد يُعرف باسم "16-QAM"، وعرض الإشارة لعمليات الاهتزاز والتمدد العشوائية التي تحدث في الكابلات الفعلية. وقارن طريقته الجديدة المدعومة بالذكاء الاصطناعي بمنهجين قديمين؛ الأول كان منهجاً ثابتاً يفترض أن نمط الضوء لا يتغير أبداً، وهو ما فشل بسرعة مع انحراف الليف الضوئي. والثاني كان منهجاً تقليدياً يستخدم مرشحات تكيفية قوية لإصلاح الاختلاط، لكن هذا كان يتطلب قدرة حوسبة هائلة تزدل بشكل أسّي مع إضافة المزيد من النوى. أظهرت عمليات المحاكاة أن منهج الذكاء الاصطناعي الجديد نجح في تتبع الأنماط المتغيرة للضوء. وعلى مسافة 1,500 كيلومتر، حقق المستقبل المدعوم بالذكاء الاصطناعي معدل خطأ أقل بكثير من المنهج الثابت، واقترب من أداء النظام التقليدي عالي القدرة، مع تقديم تعقيد أقل بكثير.

إن ما يجعل هذا الاكتشاف مهماً بشكل خاص هو كيف يغير الرياضيات الكامنة وراء المعالجة. في النهج التقليدي، كان إضافة المزيد من النوى إلى الليف الضوئي يعني أن الكمبيوتر يجب أن يبذل قدراً إضافياً من العمل يتناسب مع التربيع، مما يعني أن الجهد يتضاعف ويتضاعف مع كل قناة جديدة. في المقابل، يتوسع المنهج الجديد بشكل خطي؛ فهو يعالج المشكلة من خلال تحديد النمط الحالي أولاً ثم تطبيق تصحيحات مستقلة وبسيطة لكل جزء من الإشارة. وهذا يعني أنه مع نمو أنظمة الألياف لتشمل اثنتي عشرة أو أربع وعشرين نواة، يظل المنهج الجديد فعالاً بينما يصبح المنهج القديم بطيئاً ومكلفاً للغاية للتشغيل. وتؤكد الدراسة أنه من خلال استخدام شبكة عصبية خفيفة لفهم السلوك الفيزيائي للضوء، يمكن للمهندسين بناء مستقبلات تكون قوية ضد التغيرات البيئية ورشيقة حوسبياً في آن واحد.

لم يعتمد الباحث على النظرية فحسب؛ بل بنى إطار محاكاة كاملاً يتضمن توليد بيانات عشوائية، وانتشار الضوء عبر ليف ضوئي به عيوب واقعية، والفك النهائي للإشارة. ووجد أن شبكة الذكاء الاصطناعي يمكنها تعلم العلاقة بين الإشارات الفوضوية المختلطة التي تصل إلى المستقبل والأنماط الأصلية النظيفة التي تمثلها. وبمجرد أن تحدد الشبكة هذه العلاقة، يمكنها فعلياً فك تشابك الإشارة، مما يسمح لبقية النظام بالعمل مع مرشحات أقصر وأبسط بكثير. هذا النهج الهجين، الذي يجمع بين الفهم الفيزيائي لكيفية انتقال الضوء وقوة التعرف على الأنماط للتعلم الآلي، يقدم مساراً عملياً للمستقبل. إنه يشير إلى أن الشبكات عالية السعة المستقبلية يمكنها التعامل مع الانحراف الحتمي للعالم المادي دون الحاجة إلى بناء حواسيب فائقة الضخمة في كل مستقبل. إن العمل يثبت أنه بالنسبة للألياف شديدة الاقتران، فإن المفتاح لفتح القدرة الهائلة لا يكمن في القوة الغاشمة، بل في التتبع الذكي والمتكيف لطبيعة الضوء المتغيرة.