Latency-Constrained Resource Synergization for Mission-Oriented 6G Non-Terrestrial Networks

यहाँ शोध पत्र "Latency-Constrained Resource Synergization for Mission-Oriented 6G Non-Terrestrial Networks" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र आपदा के बाद के आपातकालीन परिदृश्यों में तीव्र स्थिति जागरूकता (situation awareness) की चुनौती को संबोधित करता है, जहाँ स्थलीय संचार बुनियादी ढाँचे (terrestrial communication infrastructures) क्षतिग्रस्त हो जाते हैं या अस्तित्व में नहीं होते हैं।

• संदर्भ: आपदा क्षेत्रों (जैसे बाढ़, भूकंप) में, फील्ड सेंसर उच्च-रिज़ॉल्यूशन वाले डेटा का विशाल वॉल्यूम उत्पन्न करते हैं जिसे एक आपातकालीन कमांड सेंटर तक सख्त कम-विलंबता (low-latency) आवश्यकताओं के साथ ट्रांसमिट किया जाना चाहिए।
• चुनौती: अनमैन्ड एरियल व्हीकल्स (UAVs) और उपग्रहों का उपयोग करने वाले पारंपरिक नॉन-टेरेस्ट्रियल नेटवर्क (NTNs) आकार, वजन और शक्ति (SWaP) की अंतर्निहित सीमाओं का सामना करते हैं, जो उनकी संचार और कंप्यूटिंग क्षमताओं को प्रतिबंधित करती हैं। केवल कच्चे डेटा (raw data) को अपलोड करना अक्सर विलंबता संबंधी बाधाओं को पूरा करने में विफल रहता है।
• अंतराल (Gap): जबकि मोबाइल एज कंप्यूटिंग (MEC) एक संभावित समाधान है, मौजूदा शोध मुख्य रूप से निश्चित संसाधनों को मानते हुए संसाधन ऑर्केस्ट्रेशन (शेड्यूलिंग और आवंटन) पर ध्यान केंद्रित करता है। एज इंफॉर्मेशन हब्स (EIHs) के लिए संसाधन कॉन्फ़िगरेशन (बैंडविड्थ, कंप्यूटिंग पावर और स्टोरेज की इष्टतम मात्रा निर्धारित करना) को स्थान अनुकूलन (location optimization) के साथ जोड़ने वाले शोध का अभाव है।
• उद्देश्य: यह सुनिश्चित करते हुए कि डेटा अपलोडिंग विलंबता एक विशिष्ट थ्रेशोल्ड ($T_{req}$) से अधिक न हो, कुल संसाधन लागत (बैंडविड्थ, डेटा दर, CPU फ्रीक्वेंसी और स्टोरेज का भारित योग) को न्यूनतम करना।

2. कार्यप्रणाली (Methodology)

लेखक एक EIH-युक्त UAV के लिए एक संयुक्त संसाधन कॉन्फ़िगरेशन और स्थान अनुकूलन योजना प्रस्तावित करते हैं। कार्यप्रणाली में दो-चरणीय विश्लेषणात्मक दृष्टिकोण शामिल है:

A. सिस्टम मॉडलिंग (System Modeling)

• आर्किटेक्चर: एक UAV पर एक EIH तैनात किया गया है, जो ग्राउंड सेंसर और एक उपग्रह के बीच एक रिले के रूप में कार्य करता है। इसमें एक संचार मॉड्यूल (यूज़र-टू-UAV, UAV-टू-सैटेलाइट), एक कंप्यूटिंग मॉड्यूल (MEC सर्वर), और स्टोरेज शामिल है।
• डेटा प्रवाह: सेंसर डेटा को दो भागों में विभाजित किया जाता है:
  1. To-be-computed (कंप्यूट किया जाने वाला): मुख्य जानकारी निकालने के लिए EIH पर प्रोसेस किया जाता है (डेटा वॉल्यूम को कम करने के लिए)।
  2. To-be-uploaded (अपलोड किया जाने वाला): सीधे या प्रोसेसिंग के बाद ट्रांसमिट किया जाता है।
• समानांतरता (Concurrency): विलंबता को कम करने के लिए, सिस्टम क्रमिक (sequential) प्रोसेसिंग के बजाय समानांतर (concurrent) ट्रांसमिशन और कंप्यूटिंग को मानता है।
• चर (Variables): अनुकूलन कुल कॉन्फ़िगर किए गए बैंडविड्थ ($B_{total}$), सैटेलाइट डेटा दर ($R^S_{total}$), CPU फ्रीक्वेंसी ($F_{total}$), स्टोरेज ($V_{total}$), और UAV के क्षैतिज स्थान $(h_x, h_y)$ को लक्षित करता है।

B. विश्लेषणात्मक व्युत्पत्ति और समाधान रणनीति (Analytical Derivations & Solution Strategy)

लेखक रूपांतरणों की एक श्रृंखला के माध्यम से गैर-कॉन्वेक्स (non-convex) अनुकूलन समस्या को हल करते हैं:

1. इष्टतम डेटा शेड्यूलिंग (Theorem 1):

   • वे इष्टतम डेटा स्प्लिटिंग अनुपात ($\eta_u$) के लिए एक क्लोज्ड-फॉर्म एक्सप्रेशन निकालते हैं जो निश्चित संसाधनों के लिए विलंबता और स्टोरेज आवश्यकताओं को न्यूनतम करता है।
   • यह शेड्यूलिंग वेरिएबल $\eta_u$ को हटाकर समस्या की जटिलता को कम करता है।

2. संसाधन कॉन्फ़िगरेशन अनुकूलन (Theorems 2–5):

   • न्यूनीकरण (Reduction): पीसवाइज लेटेंसी फंक्शन का विश्लेषण करके, वे सिद्ध करते हैं कि इष्टतम समाधान एक विशिष्ट क्षेत्र में स्थित है जहाँ संचार और कंप्यूटिंग प्रवाह संतुलित होते हैं (स्टोरेज में कोई डेटा संचय नहीं होता है)।
   • क्लोज्ड-फॉर्म समाधान: वे इष्टतम यूज़र-EIH बैंडविड्थ ($B^*_u$) और सैटेलाइट डेटा दर ($R^S_{total}$) एवं कंप्यूटिंग फ्रीक्वेंसी ($F_{total}$) के बीच इष्टतम विभाजन के लिए क्लोज्ड-फॉर्म एक्सप्रेशन निकालते हैं।
   • मुख्य अंतर्दृष्टि: डेटा को स्थानीय रूप से कंप्यूट करना या कच्चा अपलोड करना एक थ्रेशोल्ड स्थिति पर निर्भर करता है:
     $$\frac{\rho_u}{1-\zeta_u} \leq \frac{a_2}{a_3}$$
     जहाँ $\rho_u$ कंप्यूटिंग तीव्रता है, $\zeta_u$ कंप्रेशन रेश्यो है, और $a_2/a_3$ सैटेलाइट ट्रांसमिशन बनाम कंप्यूटिंग का लागत अनुपात है। यदि कंप्यूटिंग लागत प्रभावी है, तो डेटा प्रोसेस किया जाता है; अन्यथा, इसे कच्चा अपलोड किया जाता है।

3. स्थान अनुकूलन (Theorems 6 & Algorithm 1):

   • जब इष्टतम संसाधन कॉन्फ़िगरेशन को UAV स्थान के फलन (function) के रूप में व्यक्त किया जाता है, तो समस्या केवल इष्टतम $(h_x, h_y)$ खोजने तक सीमित रह जाती है।
   • अनुमान (Approximation): चैनल गेन एक्सपेक्टेशन की जटिलता के कारण, वे एर्गोडिक रेट (ergodic rate) को अनुमानित करने के लिए रैंडम मैट्रिक्स थ्योरी (Random Matrix Theory) का उपयोग करते हैं।
   • SCA विधि: परिणामी गैर-कॉन्वेक्स समस्या को सक्सेसिव कॉनवेक्स एप्रोक्सिमेशन (SCA) का उपयोग करके हल किया जाता है। गैर-कॉन्वेक्स बाधाओं को प्रथम-क्रम टेलर एक्सपेंशन (first-order Taylor expansions) के साथ बदल दिया जाता है, जिससे समस्या एक कॉनवेक्स समस्या में बदल जाती है जिसे पुनरावृत्त (iterative) एल्गोरिदम के माध्यम से हल किया जा सकता है।

3. प्रमुख योगदान (Key Contributions)

1. नया ढांचा (Novel Framework): एक EIH-सक्षम NTN मॉडल प्रस्तावित किया गया जो संयुक्त रूप से संसाधन कॉन्फ़िगरेशन (कितना तैनात करना है) और संसाधन ऑर्केस्ट्रेशन (इसका उपयोग कैसे करना है) को अनुकूलित करता है, जो मौजूदा साहित्य में एक अंतराल है।
2. क्लोज्ड-फॉर्म समाधान: संचार और कंप्यूटिंग संसाधन कॉन्फ़िगरेशन के लिए विश्लेषणात्मक, क्लोज्ड-फॉर्म इष्टतम समाधान निकाले गए। यह संचार और कंप्यूटिंग संसाधनों के बीच मौलिक ट्रेड-ऑफ को प्रकट करता है और संसाधन आकार निर्धारण के लिए भारी संख्यात्मक अनुकूलन की आवश्यकता को समाप्त करता है।
3. स्थान एल्गोरिदम: सेंसर वितरण और डेटा वॉल्यूम दोनों पर विचार करते हुए, EIH के भौतिक स्थान को अनुकूलित करने के लिए एक कुशल SCA-आधारित पुनरावृत्त एल्गोरिदम विकसित किया गया।
4. लागत दक्षता: यह प्रदर्शित किया गया कि संसाधनों की मात्रा को अनुकूलित करने से ओवर-प्रोविजनिंग (over-provisioning) को रोका जा सकता है, जिससे निश्चित-संसाधन बेंचमार्क की तुलना में परिचालन लागत में उल्लेखनीय कमी आती है।

4. सिमुलेशन परिणाम (Simulation Results)

लेखकों ने अपने स्कीमे का परीक्षण दो बेंचमार्क के विरुद्ध किया:

• स्कीम 1: संयुक्त अनुकूलन जो क्रमिक (न कि समानांतर) प्रोसेसिंग मानता है।
• स्कीम 2: समान संसाधन आवंटन ह्यूरिस्टिक (Equal resource allocation heuristic)।

मुख्य निष्कर्ष:

• लागत में कमी: प्रस्तावित स्कीमा स्कीम 1 की तुलना में समग्र संसाधन लागत में लगभग 20% की कमी प्राप्त करता है। यह समानांतर प्रोसेसिंग धारणा और इष्टतम संसाधन आकार निर्धारण के कारण है।
• विलंबता संतुष्टि: प्राप्त क्लोज्ड-फॉर्म बैंडविड्थ ($B^*_{total}$) यह सिद्ध करने के लिए एक आवश्यक और पर्याप्त शर्त है कि विलंबता बाधाओं को पूरा किया जा सकता है।
• स्थान इष्टतमता: विभिन्न टोपोलॉजी में, प्रस्तावित स्थान अनुकूलन योजना ज्यामितीय केंद्र ह्यूरिस्टिक और पिछले स्टेट-ऑफ-द-आर्ट [32] से बेहतर प्रदर्शन करती है, जो गणनात्मक रूप से महंगे ब्रूट-फोर्स सर्च के करीब पहुँचती है।
• ट्रेड-ऑफ सत्यापन: सिमुलेशन ने पुष्टि की कि इष्टतम $B^*$ से अधिक बैंडविड्थ बढ़ाने से सैटेलाइट संसाधनों में कोई और बचत नहीं होती है, जो सैद्धांतिक इष्टतमता को प्रमाणित करता है।

5. महत्व (Significance)

• मिशन-क्रिटिकल अनुप्रयोग: यह कार्य आपदा राहत में 6G हवाई नेटवर्क तैनात करने के लिए एक व्यवस्थित ढांचा प्रदान करता है, जिससे यह सुनिश्चित होता है कि दुर्लभ संसाधनों को बर्बाद किए बिना महत्वपूर्ण डेटा को सख्त समय सीमा के भीतर प्रसारित किया जाए।
• 6G तत्परता: यह 6G में "एज इंटेलिजेंस" प्रतिमान को संबोधित करता है, जो केवल कनेक्टिविटी से आगे बढ़कर सहक्रियात्मक संचार-कंप्यूटिंग डिजाइन की ओर बढ़ता है।
• व्यावहारिक तैनाती: क्लोज्ड-फॉर्म समाधानों का व्युत्पत्ति वास्तविक दुनिया के कार्यान्वयन के लिए अत्यधिक महत्वपूर्ण है, क्योंकि यह गतिशील आपातकालीन परिदृश्यों में त्वरित, कम-जटिलता वाले निर्णय लेने की अनुमति देता है जहाँ UAV पर कंप्यूटिंग शक्ति सीमित होती है।
• संसाधन सिनर्जी (Resource Synergization): यह कंप्यूटिंग लागत और संचार लागत के बीच एक स्पष्ट गणितीय संबंध स्थापित करता है, जो नेटवर्क योजनाकारों को यह मार्गदर्शन देता है कि डेटा को एज पर प्रोसेस करना है या कच्चे रूप में भेजना है।