🔬 condensed matter

Physics-Inspired Probabilistic Computing for Extremely Large-Scale MIMO Detection in Future 6G Wireless Systems

यह शोध पत्र 6G नेटवर्क में अत्यंत बड़े पैमाने के MIMO सिस्टम के लिए इष्टतम या इष्टतम के निकट डिटेक्शन प्राप्त करने हेतु इसिंग मशीनों का उपयोग करते हुए एक भौतिकी-प्रेरित संभाव्य कंप्यूटिंग ढांचे का प्रस्ताव करता है, जो बाइनरी और उच्च-क्रम QAM मॉड्यूलेशन दोनों के लिए पारंपरिक तरीकों की तुलना में बेहतर प्रदर्शन और स्केलेबिलिटी प्रदर्शित करता है।

मूल लेखक: Andrea Grimaldi, Christian Duffee, Eleonora Raimondo, Edoardo Piccolo, Deborah Volpe, Filip B. Maciejewski, Mario Carpentieri, Massimo Chiappini, Pedram Khalili Amiri, Davide Venturelli, Giovanni Fino

प्रकाशित 2026-05-11

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Andrea Grimaldi, Christian Duffee, Eleonora Raimondo, Edoardo Piccolo, Deborah Volpe, Filip B. Maciejewski, Mario Carpentieri, Massimo Chiappini, Pedram Khalili Amiri, Davide Venturelli, Giovanni Finocchio

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

एक बड़ी तस्वीर: ब्रह्मांडीय घास के ढेर में सुई की तलाश

कल्पना कीजिए कि आप घास के ढेर में एक विशिष्ट सुई खोजने की कोशिश कर रहे हैं। अब, कल्पना कीजिए कि वह घास का ढेर एक शहर के आकार का है, और सुई हजारों एंटेना वाले एक विशाल टावर द्वारा हवा में भेजा गया एक छोटा सा संदेश है। यही 6G वायरलेस नेटवर्क की चुनौती है।

भविष्य में, ये नेटवर्क "एक्सट्रीमली लार्ज-स्केल MIMO" (XL-MIMO) का उपयोग करेंगे। इसे हजारों स्पीकरों (ट्रांसमीटर) और हजारों माइक्रोफोन (रिसीवर) से भरे एक स्टेडियम के रूप में सोचें जो एक साथ बोल रहे हैं। लक्ष्य यह पता लगाना है कि प्रत्येक माइक्रोफोन ने शोर के बावजूद और सभी संकेतों के आपस में मिल जाने के बावजूद, वास्तव में क्या संदेश सुना है।

इसे पूरी तरह से करना गणित की एक ऐसी समस्या है जो इतनी कठिन है कि सबसे तेज़ सुपरकंप्यूटर भी इन विशाल आकारों के लिए इसे हल करने की कोशिश में फंस जाएंगे। यह पेपर इस समस्या को हल करने का एक नया तरीका प्रस्तावित करता है, जो पारंपरिक कैलकुलेटर की तरह काम करने के बजाय "फिजिक्स-इंस्पायर्ड" (भौतिकी से प्रेरित) कंप्यूटरों का उपयोग करता है।

समस्या: "बाइनरी" बाधा (The "Binary" Bottleneck)

पारंपरिक रूप से, कंप्यूटर इन समस्याओं को 0 और 1 (बाइनरी) में तोड़कर हल करते हैं।

उपमा: कल्पना कीजिए कि आप एक गुप्त कोड का अनुमान लगाने की कोशिश कर रहे हैं। यदि कोड में केवल दो अक्षर (A और B) हैं, तो यह आसान है। लेकिन यदि कोड में 256 अलग-अलग प्रतीक (जैसे एक जटिल वर्णमाला) हैं, और आप कंप्यूटर को मजबूर करते हैं कि वह हर एक प्रतीक को केवल 0 और 1 का उपयोग करके वर्णित करे, तो कंप्यूटर को बहुत बड़ी संख्या में स्विचों को संभालना पड़ता है।
परिणाम: जैसे-जैसे एंटेना की संख्या बढ़ती है, स्विचों की संख्या विस्फोट की तरह बढ़ती है। कंप्यूटर अभिभूत हो जाता है, "लोकल ट्रैप्स" (यह सोचकर कि उसने उत्तर पा लिया है जबकि उसने नहीं पाया है) में फंस जाता है, और गलतियाँ करता है। इसे "एरर फ्लोर" (error floor) कहा जाता है।

समाधान: दो नए "फिजिक्स" दृष्टिकोण

लेखकों ने इस पहेली को हल करने के लिए भौतिकी का उपयोग करने के दो अलग-अलग तरीकों का परीक्षण किया, जो दोनों ही वर्तमान औद्योगिक मानक (जिसे MMSE कहा जाता है) की तुलना में बहुत तेज़ और अधिक सटीक हैं।

1. "थर्मोस्टेट" दृष्टिकोण (सरल कोड के लिए)

सरल संदेशों (जैसे BPSK, जो केवल एक बुनियादी ऑन/ऑफ सिग्नल है) के लिए, लेखकों ने दो प्रकार के "आइसिंग मशीनों" (Ising Machines) का उपयोग किया।

उपमा: कल्पना कीजिए कि हाथ पकड़े हुए लोगों से भरा एक कमरा है। यदि आप कमरे को हिलाते हैं (गर्मी/शोर जोड़ते हैं), तो वे बेतरतीब ढंग से इधर-उधर घूमते हैं। जैसे-जैसे आप कमरे को धीरे-धीरे ठंडा करते हैं (सिम्युलेटेड एनीलिंग), वे स्वाभाविक रूप से सबसे आरामदायक, स्थिर संरचना में बस जाते हैं।
परिणाम: उन्होंने 2,048 एंटेना तक के सिस्टम पर इसका परीक्षण किया। केवल 100 "झटकों" (इटरेशन) के साथ भी, इन भौतिकी-आधारित मशीनों ने हर बार सही उत्तर खोज लिया, और मौजूदा सर्वोत्तम औद्योगिक तरीकों को पीछे छोड़ दिया। उन्होंने साबित किया कि सरल संकेतों के लिए, प्रकृति का शांत होने का तरीका अविश्वसनीय रूप से कुशल है।

2. "मल्टी-टूल" दृष्टिकोण (जटिल कोड के लिए)

जटिल संदेशों (जैसे 64-QAM या 256-QAM, जो बहुत अधिक डेटा ले जाते हैं) के लिए, पुराना "बाइनरी" तरीका विफल हो गया क्योंकि "घास का ढेर" बहुत बड़ा हो गया था।

नवाचार: कंप्यूटर को एक जटिल प्रतीक का वर्णन करने के लिए 0 और 1 का उपयोग करने के लिए मजबूर करने के बजाय, उन्होंने एक नया वेरिएबल बनाया जिसे "p-dit" (प्रोबेबिलिस्टिक डिजिट) कहा जाता है।
उपमा:
- पुराना तरीका (p-bit): "पर्पल" जैसे रंग का वर्णन करने के लिए, आपको 8 छोटे स्विच (00101101) को घुमाना होगा और उम्मीद करनी होगी कि वे सही संयोजन में रुकें। इसमें सही होने में बहुत समय लगता है।
- नया तरीका (p-dit): आपके पास एक सिंगल डायल है जो सीधे "पर्पल," "रेड," "ब्लू," या "ग्रीन" की ओर घूम सकता है। आपको रंग को छोटे हिस्सों से बनाने की आवश्यकता नहीं है; आप सीधे रंग चुन लेते हैं।
परिणाम: इन "p-dits" का उपयोग करके, कंप्यूटर को 0 और 1 के विशाल भूलभुलैया में भटकने की आवश्यकता नहीं होती है। यह सीधे सही उत्तर पर कूद सकता है।
- उन्होंने 256×256 एंटेना वाले सिस्टम पर जटिल 256-QAM सिग्नल्स के साथ इसका परीक्षण किया।
- नए तरीके ने औद्योगिक मानक (MMSE) को पछाड़ दिया और उस "परफेक्ट" लेकिन असंभव रूप से धीमे तरीके के प्रदर्शन के बराबर पहुँच गया।
- महत्वपूर्ण बात यह है कि चूंकि "p-dit" डायल कितने भी रंगों (प्रतीकों) के मिश्रण में भी एक ही तरह से काम करता है, इसलिए सिस्टम बिना रीप्रोग्राम किए विभिन्न प्रकार के संदेशों के बीच आसानी से स्विच कर सकता है।

यह 6G के लिए क्यों मायने रखता है

पेपर का दावा है कि यह "p-dit" दृष्टिकोण भविष्य के 6G नेटवर्क के लिए गेम-चेंजर है क्योंकि:

स्केलेबिलिटी (Scalability): यह विशाल एंटेना एरे (XL-MIMO) पर काम करता है जहाँ वर्तमान तरीके विफल हो जाते हैं या बहुत धीमे होते हैं।
अनुकूलन क्षमता (Adaptability): चूंकि "p-dit" को संदेश की विशिष्ट जटिलता से कोई फर्क नहीं पड़ता, इसलिए सिस्टम तुरंत अनुकूलित हो सकता है यदि नेटवर्क को एक सरल सिग्नल से सुपर-कॉम्प्लेक्स सिग्नल (जैसे साइकिल से रेस कार में बदलना) में स्विच करने की आवश्यकता हो, बिना पूरे इंजन को फिर से बनाए।
दक्षता (Efficiency): यह बहुत कम चरणों (इटरेशन) के साथ लगभग पूर्ण सटीकता प्राप्त करता है, जिसका अर्थ है कि यह कम ऊर्जा और कम समय का उपयोग करता है।

सारांश

पेपर दिखाता है कि कंप्यूटर को जटिल वायरलेस सिग्नल्स को सरल 0 और 1 में बदलने के लिए मजबूर करने के बजाय, और इसके बजाय "मल्टी-लेवल" प्रोबेबिलिस्टिक वेरिएबल्स (p-dits) का उपयोग करने देने से—जो यह नकल करते हैं कि भौतिक प्रणालियाँ अपनी सर्वश्रेष्ठ स्थिति में कैसे बसती हैं—हम भविष्य के 6G नेटवर्क की विशाल डेटा डिटेक्शन समस्याओं को हल कर सकते हैं। यह लेगो ब्रिक्स (बाइनरी) से एक मास्टरपीस बनाने की कोशिश करने के बजाय, शेल्फ से सीधे सही बना-बनाया स्कल्पचर (p-dits) चुनने जैसा है।

तकनीकी सारांश: अत्यंत बड़े पैमाने के MIMO डिटेक्शन के लिए भौतिकी-प्रेरित संभाव्य कंप्यूटिंग

समस्या विवरण
छठी पीढ़ी (6G) के वायरलेस नेटवर्क की ओर संक्रमण के लिए 'एक्सट्रीमली लार्ज-स्केल मल्टीपल-इनपुट मल्टीपल-आउटपुट' (XL-MIMO) आर्किटेक्चर की आवश्यकता है, जिसमें टेराबिट-प्रति-सेकंड थ्रूपुट प्राप्त करने के लिए सैकड़ों या हजारों तत्वों वाले एंटीना एरे होते हैं। इन प्रणालियों में एक प्राथमिक बाधा सिग्नल डिटेक्शन है, विशेष रूप से 'मैक्सिमम लाइकलीहुड' (ML) अनुमान समस्या, जो 'नॉन-डिटरमिनिस्टिक पॉलीनोमियल-टाइम हार्ड' (NP-hard) है। जबकि 'स्फीयर डिकोडर' (SD) इष्टतम ML प्रदर्शन प्रदान करता है, इसकी कम्प्यूटेशनल जटिलता एंटीना की संख्या और मॉड्यूलेशन ऑर्डर के साथ तेजी से बढ़ती है, जिससे यह XL-MIMO के लिए अव्यवहार्य हो जाता है। इसके विपरीत, मानक लीनियर डिटेक्टर्स जैसे 'मिनिमम मीन-स्क्वायर एरर' (MMSE) में पॉलीनोमियल जटिलता होती है, लेकिन वे ML की तुलना में महत्वपूर्ण प्रदर्शन गिरावट का सामना करते हैं, विशेष रूप से कम सिग्नल-टू-नॉइज़ रेशियो (SNR) या उच्च-क्रम मॉड्यूलेशन योजनाओं (जैसे 64-QAM, 256-QAM) में। मौजूदा भौतिकी-प्रेरित दृष्टिकोण, जैसे कि 'आइसिंग मशीन्स' (IMs), छोटे पैमाने की बाइनरी समस्याओं के लिए आशाजनक रहे हैं, लेकिन उच्च-क्रम क्वाड्रचर एम्प्लीट्यूड मॉड्यूलेशन (QAM) के अनुप्रयोग में ऊर्जा परिदृश्य (energy landscape) में एंट्रोपिक बाधाओं के कारण उत्पन्न होने वाले 'एरर फ्लोर' के कारण स्केलेबिलिटी चुनौतियों का सामना करते हैं।

कार्यप्रणाली
लेखक ML डिटेक्शन समस्या को ह्यूरिस्टिक रूप से हल करने के लिए 'आइसिंग मशीन्स' (IMs) का उपयोग करते हुए एक भौतिकी-प्रेरित कंप्यूटिंग फ्रेमवर्क का प्रस्ताव करते हैं। अध्ययन दो अलग-अलग IM प्रतिमानों (paradigms) का मूल्यांकन करता है:

प्रोबेबिलिस्टिक आइसिंग मशीन्स (PIMs): संभाव्य बिट्स (p-bits) और गिब्स सैंपलिंग का उपयोग करना।
ऑसिलेटर-आधारित आइसिंग मशीन्स (OIMs): युग्मित ऑसिलेटर फेज डायनेमिक्स (कुरामोटो मॉडल) का उपयोग करना।

मुख्य कार्यप्रणालीगत नवाचार उच्च-क्रम QAM के लिए बाइनरी मैपिंग की सीमा को संबोधित करता है। पारंपरिक दृष्टिकोण QAM प्रतीकों को कई बाइनरी स्पिन में मैप करता है, जिससे कॉन्फ़िगरेशन स्पेस का विस्तार होता है और गहरे एंट्रोपिक अवरोध पैदा होते हैं। लेखक $d$ -डायमेंशनल प्रोबेबिलिस्टिक बिट्स (p-dits) का उपयोग करते हुए एक सामान्यीकृत फ्रेमवर्क पेश करते हैं। इस दृष्टिकोण में, एक एकल p-dit सीधे एक QAM प्रतीक (जैसे, 16-QAM के लिए 4-डायमेंशनल p-dit) को एनकोड करता है, जो मूल नक्षत्र संरचना (constellation structure) को संरक्षित करता है। यह ऊर्जा परिदृश्य को पार करने के लिए आवश्यक मूव्स की संख्या को कम करता है और एरर फ्लोर को नीचे लाता है।

MIMO डिटेक्शन समस्या को एक 'आइसिंग हैमिल्टनियन' में मैप किया जाता है। बाइनरी मॉड्यूलेशन (BPSK) के लिए, मानक बाइनरी मैपिंग का उपयोग किया जाता है। $M$ -QAM के लिए, हैमिल्टनियन को p-dits पर संचालित होने के लिए पुनर्गठित किया जाता है, जहाँ इंटरैक्शन मैट्रिक्स केवल चैनल मैट्रिक्स $\mathbf{H}$ पर निर्भर करता है, जबकि बायस वेक्टर $\mathbf{H}$ और प्राप्त सिग्नल $\mathbf{y}$ दोनों पर निर्भर करता है। सॉल्वर विभिन्न एंटीना काउंट ( $N$ ) और मॉड्यूलेशन ऑर्डर ( $M$ ) में प्रदर्शन को अनुकूलित करने के लिए अनुभवजन्य रूप से व्युत्पन्न पैरामीटर स्केलिंग लॉ के साथ 'सिमुलेटेड एनीलिंग' (SA) का उपयोग करते हैं।

प्रमुख योगदान और परिणाम

बाइनरी मॉड्यूलेशन के लिए XL-MIMO स्केलेबिलिटी: BPSK मॉड्यूलेशन के लिए, p-बिट bPIM और ऑसिलेटर-आधारित IM (OIM) दोनों 2048×2048 एंटीना तक के सिस्टम के लिए सैद्धांतिक रूप से इष्टतम स्फीयर डिकोडर (SD) के बराबर प्रदर्शन प्राप्त करते हैं। ये परिणाम केवल 100 सॉल्वर इटरेशन के साथ प्राप्त किए जाते हैं, जो सभी परीक्षण किए गए आकारों और SNR मानों में मानक MMSE से काफी बेहतर प्रदर्शन करते हैं।
p-dits के साथ उच्च-क्रम QAM: यह अध्ययन प्रदर्शित करता है कि p-bits को p-dits से बदलने से उच्च-क्रम QAM से जुड़े एरर फ्लोर को प्रभावी ढंग से कम किया जा सकता है। dPIM लगातार 8×8 से 256×256 एंटीना आकार की रेंज में मॉड्यूलेशन ऑर्डर के लिए MMSE के बराबर या उससे बेहतर प्रदर्शन करता है।
- 256-QAM के लिए, dPIM 400 इटरेशन के भीतर 64×64 एंटीना तक MMSE से बेहतर प्रदर्शन करता है।
- 256×256 एंटीना के लिए, dPIM 104 इटरेशन के भीतर MMSE प्रदर्शन से मेल खाता है।
मॉड्यूलेशन स्वतंत्रता: एक महत्वपूर्ण निष्कर्ष यह है कि p-dit इंटरैक्शन मैट्रिक्स QAM ऑर्डर ( $M$ ) से स्वतंत्र है। यह केवल चैनल मैट्रिक्स $\mathbf{H}$ पर निर्भर करता है। यह सिस्टम को पूर्ण इंटरैक्शन मैट्रिक्स की पुनर्गणना किए बिना, केवल स्थानीय फील्ड बायस को अपडेट करके, बदलते मॉड्यूलेशन स्कीम्स (जैसे, 64-QAM से 256-QAM) के अनुकूल होने की अनुमति देता है।
कम्प्यूटेशनल जटिलता: प्रस्तावित bPIM और dPIM प्रतिमानों की कम्प्यूटेशनल जटिलता $O(N_{iter}N^2)$ है, जो निम्न-जटिलता वाले लीनियर डिटेक्टर्स जैसे MMSE ( $O(N^3)$ ) के तुलनीय है, जो कम विलंबता (latency) के साथ वास्तविक समय के कार्यान्वयन के लिए एक संभावित मार्ग प्रदान करती है।

महत्व और दावे
पेपर का दावा है कि यह भविष्य के 6G नेटवर्क में XL-MIMO डिटेक्शन के लिए एक स्केलेबल और पुनर्गठित करने योग्य प्रतिमान के रूप में p-dits पर आधारित संभाव्य कंप्यूटिंग आर्किटेक्चर स्थापित करता है। लेखक का तर्क है कि यह दृष्टिकोण ML डिटेक्शन की इष्टतमता और बड़े पैमाने की प्रणालियों के लिए आवश्यक कम्प्यूटेशनल व्यवहार्यता के बीच के अंतर को पाटता है। विशेष रूप से, कार्य निम्नलिखित सुझाव देता है:

स्केलेबिलिटी: IMs उन XL-MIMO आयामों (2048×2048 तक) को संभाल सकते हैं जो वर्तमान में नियतात्मक इष्टतम सॉल्वर के लिए कम्प्यूटेशनल रूप से निषेधात्मक हैं।
अनुकूलन क्षमता: p-dit फॉर्मूलेशन अनुकूलन योग्य मॉड्यूलेशन को सक्षम बनाता है, जो 6G लिंक अनुकूलन की एक प्रमुख विशेषता है, क्योंकि यह इंटरैक्शन मैट्रिक्स को मॉड्यूलेशन ऑर्डर से अलग करता है।
हार्डवेयर व्यवहार्यता: ये परिणाम भौतिक कार्यान्वयन (जैसे, FPGAs या ASICs पर) के लिए एक आधार प्रदान करते हैं जहाँ स्टोकेस्टिसिटी (stochasticity) स्वाभाविक रूप से उपलब्ध है, जिससे वास्तविक समय के वायरलेस संचार के लिए उपयुक्त मिलीसेकंड-स्तर का अभिसरण (convergence) प्राप्त किया जा सकता है।

लेखक भविष्य के हार्डवेयर पर तैनाती के संबंध में एक मध्यम रुख अपनाते हैं, यह नोट करते हुए कि हालांकि प्रूफ-ऑफ-कॉन्सेप्ट परिणाम आशाजनक हैं, विशिष्ट हार्डवेयर कार्यान्वयन (ASICs) के लिए परिचालन समय अनुमान अभी भी अपेक्षित हैं और इस अध्ययन में पूरी तरह से साकार नहीं हुए हैं। यह कार्य p-dit संभाव्य आइसिंग मशीनों को 6G तकनीक में तैनात करने के लिए निकट-ML ह्यूरिस्टिक डिकोडर के रूप में एक रणनीतिक कम्प्यूटेशनल प्रतिमान के रूप में स्थापित करता है।