🔢 mathematics

Optical Communications with Relative Intensity Noise: Channel Modeling and Information Rates

यह शोध पत्र लेजर रिलेटिव इंटेंसिटी नॉइज़ से प्रभावित इंटेंसिटी मॉड्यूलेशन और डायरेक्ट डिटेक्शन वाले ऑप्टिकल संचार के लिए एक डिस्क्रीट-टाइम चैनल मॉडल व्युत्पन्न करता है, जो यह प्रकट करता है कि सिग्नल-डिपेंडेंट नॉइज़ विद मेमोरी (स्मृति के साथ सिग्नल-निर्भर शोर) के कारण तब सूचना दरें संतृप्त हो जाती हैं जब रिसीवर इस मेमोरी की अनदेखी करता है जब डेंस कॉन्स्टेलेशन का उपयोग किया जाता है।

मूल लेखक: Felipe Villenas, Yunus Can Gültekin, Alex Alvarado

प्रकाशित 2026-03-10

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Felipe Villenas, Yunus Can Gültekin, Alex Alvarado

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

मुख्य विचार: प्रकाश के साथ डेटा भेजना

कल्पना कीजिए कि आप एक टॉर्च का उपयोग करके अपने मित्र को एक गुप्त संदेश भेजने की कोशिश कर रहे हैं। आप केवल रोशनी को चालू या बंद नहीं कर सकते; आपको अलग-अलग अक्षरों या नंबरों को दर्शाने के लिए उसकी चमक (brightness) को बदलना होगा। आधुनिक डेटा सेंटर इसी तरह जानकारी भेजते हैं: वे लेजर (अति-चमकदार टॉर्च) का उपयोग करते हैं और डेटा ले जाने के लिए उनकी तीव्रता (intensity) को बदलते हैं।

समस्या क्या है? लेजर परफेक्ट नहीं होते। भले ही आप चमक को स्थिर रखने की कोशिश करें, वे स्वाभाविक रूप से थोड़ा "फड़फड़ाते" (flicker) या "थरथराते" (jitter) हैं। इसे रिलेटिव इंटेंसिटी नॉइज़ (RIN) कहा जाता है। यह एक तेज़, गूँजते हुए इंजन के पास खड़े होकर अपने दोस्त को फुसफुसाकर रहस्य बताने जैसा है। इंजन का शोर (RIN) आपकी फुसफुसाहट में मिल जाता है।

पुराना तरीका बनाम नया तरीका

लंबे समय तक, इंजीनियरों ने इस लेजर फड़फड़ाहट के बारे में बहुत सरल तरीके से सोचा। उन्होंने माना:

"सिग्नल जितना तेज़ होगा (प्रकाश जितना चमकीला होगा), शोर भी उतना ही अधिक होगा। यदि आप चमक को दोगुना करते हैं, तो शोर चार गुना बदतर हो जाता है।"

उन्होंने इस शोर के साथ ऐसा व्यवहार किया जैसे यह तुरंत होता है और डेटा के हर एक बिट के लिए स्वतंत्र होता है। यह यह मानने जैसा था कि यदि आप चिल्लाते हैं, तो गूँज (echo) वैसी ही होगी चाहे आप एक छोटे कमरे में हों या एक विशाल गिरजाघर में।

यह पेपर कहता है: "यह पूरी तरह सही नहीं है।"

लेखकों (फेलिप, युनस और एलेक्स) ने महसूस किया कि क्योंकि लेजर लगातार फड़फड़ाता रहता है, इसलिए एक डेटा बिट को प्रभावित करने वाला शोर वास्तव में उन बिट्स पर निर्भर करता है जो ठीक पहले आए थे और जो ठीक बाद में आने वाले हैं।

उपमा (Analogy):
कल्पना कीजिए कि आप भीड़ के बीच से चल रहे हैं।

पुराना मॉडल: यदि आप किसी से टकराते हैं, तो यह सिर्फ इसलिए है क्योंकि आप तेज़ी से चल रहे थे। इससे कोई फर्क नहीं पड़ता कि आपसे पहले या बाद में कौन चल रहा था।
नया मॉडल: यदि आप किसी से टकराते हैं, तो यह इसलिए है क्योंकि आप तेज़ी से चल रहे थे, और इसलिए भी क्योंकि आपके आगे वाला व्यक्ति लड़खड़ाया, जिससे आपने धक्का खाया, और आपके पीछे वाला व्यक्ति आपको धकेल रहा था। आपका "शोर" (टकराव) पूरे समूह की हलचल का परिणाम है, न कि केवल आपकी अपनी गति का।

उन्होंने क्या किया

एक बेहतर मानचित्र बनाया: उन्होंने एक नया गणितीय मॉडल बनाया जो इस "समूह प्रभाव" (मेमोरी/स्मृति) को ध्यान में रखता है। उन्होंने महसूस किया कि शोर केवल सिग्नल का एक साधारण वर्ग (square) नहीं है; यह वर्तमान सिग्गल और उसके पड़ोसियों का एक अधिक जटिल मिश्रण है।
गणित की जाँच की: उन्होंने सिमुलेशन चलाकर यह साबित किया कि उनका नया मानचित्र पुराने वाले की तुलना में अधिक सटीक है, विशेष रूप से उच्च-गति, जटिल संकेतों का उपयोग करते समय।
गति का परीक्षण किया: उन्होंने पूछा, "यदि हम इस नए, अधिक सटीक मानचित्र का उपयोग करते हैं, तो हम वास्तव में कितनी तेज़ी से डेटा भेज सकते हैं?"

आश्चर्यजनक परिणाम: "अधिक होना हमेशा बेहतर नहीं होता"

डेटा की दुनिया में, हम आमतौर पर सोचते हैं: "यदि मैं अधिक डेटा भेजना चाहता हूँ, तो मुझे अधिक रंगों (या चमक के स्तरों) का उपयोग करना चाहिए।"

2 स्तर = प्रति फ्लैश 1 बिट।
4 स्तर = प्रति फ्लैश 2 बिट।
32 स्तर = प्रति फ्लैश 5 बिट।

आमतौर पर, अधिक स्तर जोड़ने (कन्स्टेलेशन को सघन बनाने) से आप अधिक डेटा भेज पाते हैं। लेकिन लेखकों ने पाया कि जब उन्होंने लेजर शोर की "मेमोरी" को शामिल किया, तो कुछ अजीब हुआ:

"ट्रैफिक जाम" का प्रभाव:
जब आप एक ही स्थान में बहुत अधिक चमक के स्तरों को पैक करने की कोशिश करते हैं, तो लेजर का स्वाभाविक फड़फड़ाहट (RIN) भ्रमित हो जाता है। क्योंकि शोर पड़ोसियों पर निर्भर करता है, इसलिए चमकदार रोशनी इतनी अधिक "फड़फड़ाहट वाली अराजकता" (flicker chaos) पैदा करती है कि रिसीवर अब स्तरों के बीच अंतर नहीं कर पाता।

निष्कर्ष:
एक बार जब आप 8 स्तरों (8-PAM) से आगे निकल जाते हैं, तो अधिक स्तर जोड़ने (जैसे 16, 32, या 64) से आपको वास्तव में अधिक डेटा भेजने में मदद नहीं मिलती। गति एक "सीलिंग" या "सैचुरेशन पॉइंट" (संतृप्ति बिंदु) पर पहुँच जाती है। यह एक भीड़ भरे लिफ्ट में और अधिक लोगों को फिट करने जैसा है; अंततः, आप बिना सवारी को असुरक्षित बनाए और अधिक लोगों को अंदर नहीं घुसा सकते।

यह क्यों मायने रखता है

इंजीनियरों के लिए: यह उन्हें बताता है कि उन्हें कम दूरी के कनेक्शनों (जैसे डेटा सेंटर के अंदर) के लिए 64 या 128 चमक स्तरों वाले सिस्टम बनाने में पैसा और ऊर्जा बर्बाद करने की आवश्यकता नहीं है। उन्हें सरल, अधिक मजबूत सिस्टम (जैसे 4 या 8 स्तर) पर टिके रहना चाहिए क्योंकि लेजर शोर जटिल स्तरों के लाभ को वैसे भी नष्ट कर देगा।
भविष्य के लिए: यह सुझाव देता है कि तेज़ होने के लिए, हमें केवल अधिक चमक स्तर जोड़ने की ज़रूरत नहीं है। इसके बजाय, हमें ऐसे "स्मार्टर" रिसीवर बनाने की आवश्यकता है जो शोर की "मेमोरी" (यह तथ्य कि एक बिट अगले को प्रभावित करता है) को समझते हों और उसके अनुसार संदेश को डिकोड कर सकें।

एक वाक्य में सारांश

इस शोध पत्र ने खोजा कि लेजर प्रकाश एक ऐसे तरीके से फड़फड़ाता है जो पिछले और भविष्य के बिट्स को "याद रखता" है, और इस कारण, एक ही फ्लैश में बहुत अधिक डेटा स्तरों को पैक करने की कोशिश वास्तव में आपकी गति को धीमा कर देती है, जिसका अर्थ है कि सरल सिस्टम अक्सर सबसे अच्छे होते हैं।

यहाँ "Optical Communications with Relative Intensity Noise: Channel Modeling and Information Rates" नामक शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र उच्च-गति वाले 'इंटेनसिटी मॉड्यूलेशन एंड डायरेक्ट डिटेक्शन' (IM-DD) ऑप्टिकल कम्युनिकेशन सिस्टम की सीमाओं को संबोधित करता है, जो विशेष रूप से लेजर रिलेटिव इंटेंसिटी नॉइज़ (RIN) से प्रभावित होते हैं।

संदर्भ: जैसे-जैसे डेटा सेंटर इंटरकनेक्ट्स (DCI) उच्च दरों (400 Gbps और उससे अधिक) की मांग कर रहे हैं, सिस्टम अक्सर सिंबल रेट (symbol rate) बढ़ाते हैं। इसके लिए सिग्नल-टू-नॉइज़ रेशियो (SNR) बनाए रखने हेतु उच्च ट्रांसमिट पावर की आवश्यकता होती है, जो RIN को बढ़ा देता है।
मौजूदा मॉडलों में दोष: साहित्य (literature) आमतौर पर RIN को एक मेमोरीलेस नॉइज़ स्रोत के रूप में मॉडल करता है जहाँ नॉइज़ वेरिएंस (variance) सख्ती से ट्रांसमिट किए गए सिंबल के वर्ग ( $a_n^2$ ) के समानुपाती होता है।
अंतराल (The Gap): यह धारणा सिग्नल प्रोसेसिंग (पल्स शेपिंग और फ़िल्टरिंग) और ट्रांसमिट किए गए सिंबल सीक्वेंस के सांख्यिकीय गुणों की निरंतर-समय (continuous-time) प्रकृति की उपेक्षा करती है। लेखकों का तर्क है कि यह एक अपूर्ण मॉडल की ओर ले जाता है जो चैनल की वास्तविक मेमोरी और नॉइज़ सांख्यिकी को पकड़ने में विफल रहता है।

2. कार्यप्रणाली (Methodology)

लेखक निरंतर-समय भौतिकी (continuous-time physics) से शुरू होकर डिस्क्रीट-टाइम सूचना-सैद्धांतिक विश्लेषण (information-theoretic analysis) की ओर बढ़ते हुए एक कठोर व्युत्पत्ति (derivation) का उपयोग करते हैं।

सिस्टम मॉडल:
- वे एक मैक-ज़ेंडर मॉड्यूलेटर (MZM) और RIN वाले लेजर का उपयोग करके एक बेसबैंड IM-DD सिस्टम को मॉडल करते हैं।
- लेजर आउटपुट पावर में एक व्हाइट गॉसियन RIN प्रक्रिया ( $N_{rin}(t)$ ) शामिल है।
- सिग्नल प्री-डिस्टॉर्शन से गुजरता है ताकि MZM को लीनियर बनाया जा सके, फिर फाइबर (केवल क्षीणन/attenuation के साथ, यह मानते हुए कि O-बैंड/1310nm में डिस्पर्शन नगण्य है) से गुजरता है, और एक फोटोडायोड द्वारा डिटेक्ट किया जाता है जिसके बाद एक ट्रांसइम्पेडेंस एम्पलीफायर (TIA) और एक मैचड फ़िल्टर लगा होता है।
चैनल व्युत्पत्ति (Channel Derivation):
- रिसीवर पर निरंतर-समय वोल्टेज से शुरू करते हुए, वे सिंबल रेट ( $T$ ) पर सैंपलिंग करके एक डिस्क्रीट-टाइम समकक्ष चैनल मॉडल व्युत्पन्न करते हैं।
- वे सिग्नल-डिपेंडेंट RIN टर्म और ट्रांसमिट एवं रिसीव फ़िल्टर्स ( $p(t)$ और $h(t)$ ) के कन्वोल्शन (convolution) को स्पष्ट रूप से ध्यान में रखते हैं।
सांख्यिकीय विश्लेषण:
- वे एक विशिष्ट ट्रांसमिट किए गए सिंबल $A_k = a_n$ के दिए गए होने पर नॉइज़ टर्म $Z_k$ के कंडीशनल मीन (conditional mean) और वेरिएंस का विश्लेषण करते हैं।
- वे प्राप्त करने योग्य सूचना दरों (achievable information rates - AIRs) की गणना करने के लिए एक मिसमैच्ड डिकोडिंग (mismatched decoding) दृष्टिकोण का उपयोग करते हैं। रिसीवर एक मेमोरीलेस डिकोडिंग मेट्रिक (Generalized Mutual Information - GMI) मानता है, भले ही वास्तविक चैनल में मेमोरी हो।
सिमुलेशन और सत्यापन:
- "सत्य" चैनल व्यवहार के विरुद्ध व्युत्पन्न विश्लेषणात्मक मॉडलों को मान्य करने के लिए मोंटे-कार्लो इंटीग्रेशन और निरंतर-समय वेवफॉर्म जनरेशन का उपयोग करके संख्यात्मक सिमुलेशन का उपयोग किया गया था।

3. मुख्य योगदान (Key Contributions)

A. मेमोरी के साथ नवीन डिस्क्रीट-टाइम चैनल मॉडल

लेखक एक नया चैनल मॉडल व्युत्पन्न करते हैं:
$Y_k = A_k + Z_k + Q_k$
जहाँ:

$Q_k$ मानक थर्मल नॉइज़ (गॉसियन, मेमोरीलेस) है।
$Z_k$ RIN के कारण होने वाला सिग्नल-डिपेंडेंट नॉइज़ है।
महत्वपूर्ण निष्कर्ष: मौजूदा साहित्य के मॉडल के विपरीत, $Z_k$ मेमोरीलेस नहीं है। यह निरंतर-समय RIN प्रक्रिया के फ़िल्टरिंग के कारण पड़ोसी सिंबल्स ( $A_{k \pm m}$ ) पर निर्भर करता है।

B. परिष्कृत नॉइज़ वेरिएंस लक्षण वर्णन (Refined Noise Variance Characterization)

लेखक सिद्ध करते हैं कि RIN नॉइज़ का कंडीशनल वेरिएंस, $\sigma^2_{Z|A}$ , केवल $a_n^2$ के समानुपाती नहीं है। इसके बजाय, यह एक सेकंड-ऑर्डर पॉलीनोमियल रूप का अनुसरण करता है:
$\sigma^2_{Z|A} \propto p_0 + p_1 a_n + p_2 a_n^2$

वेरिएंस सिंबल वैल्यू $a_n$ , उसके वर्ग $a_n^2$ , और पड़ोसी सिंबल्स के हस्तक्षेप से उत्पन्न एक स्थिर पद $p_0$ पर निर्भर करता है।
यह व्यापक रूप से उपयोग किए जाने वाले मॉडल का खंडन करता है जहाँ वेरिएंस $\propto a_n^2$ होता है।

C. सूचना-सैद्धांतिक विश्लेषण (GMI)

एक मिसमैच्ड डिकोडिंग मेट्रिक (मेमोरीलेस गॉसियन नॉइज़ मानते हुए) का उपयोग करके, लेखक प्राप्त करने योग्य दरों को निर्धारित करने के लिए जनरललाइज्ड म्यूचुअल इंफॉर्मेशन (GMI) की गणना करते हैं।

4. मुख्य परिणाम (Key Results)

मानक मॉडलों की अशुद्धि: संख्यात्मक परिणाम पुष्टि करते हैं कि पारंपरिक मॉडल (वेरियंस $\propto a_n^2$ ) नॉइज़ सांख्यिकी का गलत अनुमान लगाता है, विशेष रूप से व्यावहारिक रूप से उपयोग किए जाने वाले बैंड-लिमिटेड पल्स (जैसे रूट-रेज़्ड-कोसाइन फ़िल्टर) के लिए।
सूचना दरों का संतृप्ति (Saturation of Information Rates):
- जब रिसीवर चैनल मेमोरी को अनदेखा करता है (मेमोरीलेस डिकोडर का उपयोग करके), तो कॉन्स्टेलेशन साइज ( $M$ ) बढ़ने के साथ GMI संतृप्त (saturate) हो जाता है।
- व्यावहारिक सिस्टम मापदंडों के लिए, 8-PAM से अधिक मॉड्यूलेशन ऑर्डर बढ़ाने से सूचना दर में नगण्य लाभ मिलता है।
- अधिकतम GMI 16-PAM के आसपास देखा जाता है, जिसके बाद प्रदर्शन गिर जाता है या स्थिर हो जाता है।
संतृप्ति का कारण: संतृप्ति का कारण कॉन्स्टेलेशन सिंबल्स का असममित, गैर-लुप्त होने वाला योगदान (nonsymmetric, non-vanishing contributions) है।
- एक मानक AWGN चैनल में, बाहरी सिंबल्स अधिक योगदान देते हैं, लेकिन वितरण सममित होता है।
- RIN-प्रेरित मेमोरी के साथ, नॉइज़ सांख्यिकी असममित हो जाती है। उच्च-शक्ति वाले सिंबल्स काफी अधिक वेरिएंस का अनुभव करते हैं, और डिकोडर के अनुमान (मेमोरीलेस) और वास्तविकता (मेमोरी) के बीच का "मिसमैच" घने कॉन्स्टेलेशन के प्रभावी उपयोग को रोकता है।
अभिसरण व्यवहार (Convergence Behavior): जैसे-जैसे ऑप्टिकल मॉड्यूलेशन एम्प्लीट्यूड (OMA) बढ़ता है, AWGN चैनलों की तरह आंतरिक सिंबल्स का GMI में योगदान लुप्त नहीं होता है; इसके बजाय, सिग्नल-डिपेंडेंट नॉइज़ GMI को $\log_2 M$ तक पहुँचने से रोकता है।

5. महत्व और निहितार्थ (Significance and Implications)

सैद्धांतिक प्रभाव: यह शोध पत्र ऑप्टिकल कम्युनिकेशन मॉडलिंग में एक मौलिक गलत धारणा को सुधारता है। यह दर्शाता है कि हाई-स्पीड IM-DD सिस्टम में RIN एक मेमोरी वाला चैनल बनाता है, जो साहित्य में प्रचलित सरल मेमोरीलेस गॉसियन नॉइज़ धारणा को अमान्य करता है।
सिस्टम डिज़ाइन:
- मॉड्यूलेशन सीमाएँ: परिणाम बताते हैं कि यदि रिसीवर मेमोरी को ध्यान में नहीं रखता है, तो केवल PAM ऑर्डर बढ़ाकर (जैसे, 16-PAM, 32-PAM, या 64-PAM पर जाना) RIN-डोमिनेटेड लिंक्स में क्षमता बढ़ाने की रणनीति प्रभावी नहीं है।
- भविष्य की दिशाएँ: उच्च दर प्राप्त करने के लिए, भविष्य के सिस्टम को कॉन्स्टेलेशन शेपिंग (ज्यामितीय या संभाव्यतात्मक) और मेमोरी को ध्यान में रखने वाले डिकोडिंग मेट्रिक्स (जैसे, क्रमबद्ध डिटेक्शन या विटर्बी डिकोडिंग जो RIN के अनुकूल हो) का उपयोग करना चाहिए।
व्यावहारिक प्रासंगिकता: ये निष्कर्ष उन हालिया प्रयोगात्मक अवलोकनों की व्याख्या करते हैं जहाँ घने कॉन्स्टेलेशन अपेक्षित लाभ प्रदान करने में विफल रहे, जो अगले पीढ़ी के 400G/800G+ ऑप्टिकल ट्रांससीवर को अनुकूलित करने के लिए एक सैद्धांतिक आधार प्रदान करते हैं।