⚡ electrical engineering

On LLR Calculations for Soft-decision Decoding in Next-generation IM-DD Systems with Laser RIN

यह शोध पत्र लेजर रिलेटिव इंटेंसिटी नॉइज़ से प्रभावित इंटेंसिटी-मॉड्यूलेशन डायरेक्ट-डिटेक्शन सिस्टम में सॉफ्ट-डिसीजन डिकोडिंग के लिए एक लो-कॉम्प्लेक्सिटी लॉग-लाइक्लीहुड रेशियो (LLR) सन्निकटन प्रस्तावित करता है, जो अनुकूलतम डिकोडिंग की तुलना में कोई बिट एरर रेट पेनल्टी प्राप्त नहीं करता है और मिसमैच्ड एडिटिव व्हाइट गॉसियन नॉइज़-आधारित दृष्टिकोणों से बेहतर प्रदर्शन करता है।

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

प्रकाशित 2026-07-13

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में 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

कल्पना कीजिए कि आप एक धुंधले कमरे में टॉर्च का उपयोग करके एक गुप्त संदेश भेजने की कोशिश कर रहे हैं। यह संदेश चार अलग-अलग चमक के स्तरों (PAM-4) से बना है, जैसे कि मंद, मध्यम, उज्ज्वल और अति-उज्ज्वल। एक आदर्श दुनिया में, कोहरा (शोर/noise) कितनी भी रोशनी हो, समान मोटाई का होगा। लेकिन अगली पीढ़ी के डेटा सेंटरों की वास्तविक दुनिया में, लेजर खुद थोड़ा अस्थिर हो जाता है। यह अस्थिरता, जिसे रिलेटिव इंटेंसिटी नॉइज़ (RIN) कहा जाता है, इसका मतलब है कि जब भी आप रोशनी तेज करते हैं, कोहरा घना हो जाता है। संदेश जितना उज्ज्वल होगा, "धुंधलापन" उतना ही अधिक होगा।

यह शोध पत्र एक पेचीदा समस्या पर चर्चा करता है: जब शोर सिग्नल के अनुसार बदलता है, तो आप इन संदेशों को सटीक रूप से कैसे डिकोड करते हैं?

गलत तरीका: "एक ही आकार सबके लिए" वाला अनुमान

पारंपरिक रूप से, इंजीनियरों ने एक शॉर्टकट का उपयोग किया है। वे मान लेते हैं कि कोहरा एक समान है (जैसे कि मानक एडिटिव व्हाइट गौसियन नॉइज़, या AWGN) और डेटा के प्रत्येक बिट के लिए एक "विश्वास स्कोर" (confidence score) की गणना करते हैं। शोध पत्र की भाषा में, यह मिसमैच्ड AWGN-आधारित LLR है।

लेखकों ने यह देखने के लिए सिमुलेशन चलाए कि लेजर-अस्थिर वातावरण में इस शॉर्टकट का क्या होता है। परिणाम? यह ऐसा है जैसे थोड़े गलत प्रिस्क्रिप्शन वाले चश्मे पहनकर मानचित्र पढ़ने की कोशिश करना। सिस्टम कम गति पर ठीक काम करता है, लेकिन जैसे ही आप डेटा दर को 400 Gb/s, 600 Gb/s, और 800 Gb/s तक बढ़ाते हैं, त्रुटि दर (error rate) आसमान छूने लगती है। विशेष रूप से, उच्च सिग्नल स्ट्रेंथ पर, इस गलत तरीके का उपयोग करने से त्रुटि दर आवश्यकता से 3 से 5 गुना अधिक खराब हो गई। कुछ मामलों में, इसने सिस्टम को ऐसी स्थिति में धकेल दिया जहाँ यह आवश्यक सुरक्षा मानकों (KP4 थ्रेशोल्ड) को बिल्कुल भी पूरा नहीं कर सका। शोध पत्र स्पष्ट रूप से उच्च गति वाले सिस्टम के लिए इस सरल, मिसमैच्ड तरीके का उपयोग करने से मना करता है; यह बस पर्याप्त नहीं है।

सही तरीका: "सटीक" गणित

विश्वास स्कोर (जिसे लॉग-लाइक्लीहुड रेशियो, या LLR कहा जाता है) की गणना करने का "सही" तरीका जटिल गणित शामिल करता है जो इस तथ्य को ध्यान में रखता है कि शोर सिग्नल की ताकत के साथ बदलता है। शोध पत्र दिखाता है कि इस विशिष्ट लेजर शोर के लिए, सटीक गणना एक क्वाड्रेटिक पॉलिनोमियल संबंध (quadratic polynomial relationship) का पालन करती है।

इसे एक सुपर-स्मार्ट डिकोडर के रूप में सोचें जो जानता है कि हर चमक के स्तर के लिए कोहरा कैसे घना होता है। यह सटीक है, लेकिन गणनात्मक रूप से भारी है—जैसे मैराथन दौड़ते समय अपने दिमाग में एक जटिल भौतिकी समीकरण को हल करने की कोशिश करना।

शोध पत्र का समाधान: "स्मार्ट शॉर्टकट"

यहाँ मुख्य निष्कर्ष है: लेखकों ने एक लो-कॉम्प्लेक्सिटी एप्रोक्सिमेशन (कम जटिलता वाला सन्निकटन) प्रस्तावित किया है जो बहुत आसान है लेकिन उतना ही अच्छा काम करता है जितना कि सटीक गणित।

उन्होंने देखा कि डिकोडिंग का सबसे महत्वपूर्ण हिस्सा तब होता है जब विश्वास स्कोर शून्य के करीब होता है ("जीरो-क्रॉसिंग" बिंदु)। उन्होंने एक पीसवाइज लीनियर एप्रोक्सिमेशन (मूल रूप से, कुछ सीधी रेखाएं) बनाया जो उस जटिल वक्र (curve) के साथ बिल्कुल सटीक बैठता है जहाँ इसकी सबसे अधिक आवश्यकता होती है।

उनके सिमुलेशन में, यह "स्मार्ट शॉर्टकट" सटीक, जटिल गणित के समान ही प्रदर्शन करता है।

प्रमाण: जब उन्होंने इसका परीक्षण किया, तो त्रुटि दर (Post-FEC BER) सटीक विधि के समान ही थी।
लाभ: इस नए तरीके का उपयोग करके, उन्होंने खोई हुई दक्षता को वापस पा लिया। 400 Gb/s और 600 Gb/s सिस्टम के लिए, वे क्रमशः 0.1 dB और 0.4 dB कम सिग्नल पावर के साथ आवश्यक त्रुटि दर प्राप्त कर सकते थे। 800 Gb/s के लिए, नए तरीके ने विश्वसनीय संचार को वहां संभव बनाया जहां पुराना तरीका पूरी तरह से विफल हो गया था।

निचोड़

शोध पत्र केवल यह सुझाव नहीं देता कि यह काम कर सकता है; उनके सिमुलेशन में, उन्होंने सिद्ध किया है कि आप भारी, जटिल गणित को एक सरल, सीधी रेखा वाले सन्निकटन (approximation) से बदल सकते हैं बिना किसी सटीकता को खोए। हालांकि, वे यह भी नोट करते हैं कि यह वर्तमान में सिमुलेशन पर आधारित है। वे सुझाव देते हैं कि भविष्य के कार्यों को इसे वास्तविक हार्डवेयर और यहां तक कि और भी मजबूत त्रुटि-सुधार कोडों के साथ परीक्षण करने की आवश्यकता होगी ताकि यह देखा जा सके कि यह भौतिक दुनिया में कैसा प्रदर्शन करता है।

इसलिए, अगली पीढ़ी के डेटा सेंटरों के लिए, सबक यह है: शोर का अनुमान न लगाएं; गणित को बहुत जटिल न बनाएं। इस नए "स्मार्ट शॉर्टकट" का उपयोग करें ताकि लेजर जिटर को सही ढंग से संभाला जा सके, और आप अपने डेटा को तेज़ और त्रुटि-मुक्त रख सकते हैं।

तकनीकी सारांश: लेजर RIN के साथ नेक्स्ट-जेनरेशन IM-DD सिस्टम में सॉफ्ट-डिसीजन डिकोडिंग के लिए LLR गणना

समस्या विवरण
डेटा सेंटर इंट्राकनेक्ट्स (DCI) का 400 Gb/s/लेन और उससे आगे की ओर तीव्र विस्तार, 4-ary पल्स एम्प्लीट्यूड मॉड्यूलेशन (PAM-4) का उपयोग करने वाले इंटेंसिटी-मॉड्यूलेशन एंड डायरेक्ट-डिटेक्शन (IM-DD) सिस्टम पर निर्भर करता है। इन सिस्टम्स में एक महत्वपूर्ण बाधा लेजर स्रोत से उत्पन्न होने वाला रिलेटिव इंटेंसिटी नॉइज़ (RIN) है। एडिटिव व्हाइट गॉसियन नॉइज़ (AWGN) के विपरीत, RIN सिग्नल-डिपेंडेंट नॉइज़ सांख्यिकी (statistics) बनाता है, जहाँ नॉइज़ वेरिएंस ऑप्टिकल सिग्नल एम्प्लीट्यूड के वर्ग के साथ स्केल होता है।

सॉफ्ट-डिसीजन (SD) डिकोडिंग, जो कॉनकैटनेटेड फॉरवर्ड एरर करेक्शन (FEC) स्कीम्स (जैसे, KP4 आउटर कोड + हैमिंग इनर कोड) के साथ उच्च कोडिंग गेन प्राप्त करने के लिए आवश्यक है, सटीक लॉग-लाइक्लीहुड रेशियो (LLR) गणनाओं की मांग करती है। मानक LLR सन्निकटन (approximations), जो एक स्थिर नॉइज़ वेरिएंस (AWGN मॉडल) मानते हैं, सिग्नल-डिपेंडेंट शोर की प्रकृति को समझने में विफल रहते हैं। शोध पत्र बताता है कि RIN-लिमिटेड चैनलों में इन मिसमैच्ड AWGN-आधारित LLRs का उपयोग करने से पोस्ट-FEC बिट एरर रेट (BER) में महत्वपूर्ण पेनल्टी आती है, जो संभावित रूप से उच्च डेटा दरों पर FEC थ्रेशोल्ड को पूरा करने से रोक सकती है।

कार्यप्रणाली (Methodology)
लेखक एक IM-DD सिस्टम मॉडल का विश्लेषण करते हैं जहाँ चैनल आउटपुट $Y$ को $Y = X + Z\sigma(X)$ के रूप में परिभाषित किया गया है, जहाँ $X$ PAM-4 सिम्बल्स का प्रतिनिधित्व करता है और $\sigma(X)$ थर्मल नॉइज़ और RIN सांख्यिकी से प्राप्त सिग्नल-डिपेंडेंट नॉइज़ स्टैंडर्ड डेविएशन है।

सटीक LLR व्युत्पत्ति (Exact LLR Derivation): शोध पत्र पहले सटीक LLR अभिव्यक्ति स्थापित करता है, जिसमें सिग्नल-डिपेंडेंट नॉइज़ वेरिएंस $\sigma(x)$ के व्युत्क्रम (inverse) द्वारा भारित (weighted) एक्सपोनेंशियल टर्म्स का योग शामिल है। विश्लेषण से पता चलता है कि ये सटीक LLRs प्राप्त मान $y$ के संबंध में एक पीसवाइज़ क्वाड्रेटिक (piecewise quadratic) संबंध का पालन करते हैं।
मिसमैच्ड विश्लेषण (Mismatched Analysis): अध्ययन सटीक LLRs की तुलना मानक AWGN-आधारित LLRs से करता है (जो एक स्थिर औसत वेरिएंस मानते हैं)।
प्रस्तावित सन्निकटन (Proposed Approximation): कम्प्यूटेशनल जटिलता को कम करने और सटीकता बनाए रखने के लिए, लेखक एक लो-कॉम्प्लेक्स, पीसवाइज़ लीनियर सन्निकटन प्रस्तावित करते हैं। यह विधि "जीरो-क्रॉसिंग" (ZC) सन्निकटन का उपयोग करती है, जो उस बिंदु के आसपास होता है जहाँ LLR शून्य होता है (सबसे कम विश्वसनीय बिट्स)।
- व्युत्पत्ति में लॉगारिदम के भीतर योगों को सरल बनाने के लिए 'मैक्स-लॉग' सन्निकटन का उपयोग किया गया है।
- पहले बिट पोजीशन ( $k=1$ ) के लिए, सन्निकटन एक एकल लीनियर फंक्शन है।
- दूसरे बिट पोजीशन ( $k=2$ ) के लिए, यह एक पीसवाइज़ लीनियर फंक्शन है जो दो जीरो-क्रॉसिंग पॉइंट्स से बना है, जैसा कि सटीक LLR कर्व में पहचाना गया है।

मुख्य योगदान (Key Contributions)

RIN-लिमिटेड LLR का लक्षण वर्णन: शोध पत्र प्रदर्शित करता है कि PAM-4 IM-DD सिस्टम के लिए जिनमें RIN प्रभावी है, सटीक LLRs पीसवाइज़ क्वाड्रेटिक फंक्शन्स के रूप में व्यवहार करते हैं, जो AWGN चैनलों में देखे जाने वाले पीसवाइज़ लीनियर व्यवहार से भिन्न हैं।
मिसमैच पेनल्टी का परिमाणीकरण: यह दिखाया गया है कि मानक AWGN-आधारित LLRs का उपयोग करके सिग्नल-डिपेंडेंट नॉइज़ को नजरअंदाज करने से पोस्ट-FEC BER में गैर-नगण्य प्रदर्शन गिरावट आती है।
लो-कॉम्प्लेक्सिटी सन्निकटन: लेखक एक विशिष्ट पीसवाइज़ लीनियर सन्निकटन (ZC सन्निकटन) प्रस्तावित करते हैं जो सटीक क्वाड्रेटिक गणना की तुलना में कम्प्यूटेशनल रूप से सरल है।
प्रदर्शन सत्यापन: मोंटे कार्लो सिमुलेशन के माध्यम से, शोध पत्र प्रमाणित करता है कि प्रस्तावित सन्निकटन मिसमैच्ड LLRs से जुड़ी प्रदर्शन हानि को सफलतापूर्वक समाप्त कर देता है, और सटीक LLR गणना के प्रदर्शन के बराबर पहुँच जाता है।

संख्यात्मक परिणाम (Numerical Results)
सिमुलेशन 400, 600 और 800 Gb/s के नेट बिटरेट्स पर एक कॉनकैटनेटेड KP4 + हैमिंग FEC स्कीम के लिए आयोजित किए गए थे।

BER प्रदर्शन: उच्च ऑप्टिकल मॉड्यूलेशन एम्प्लीट्यूड (OMA) पर, जहाँ RIN प्रभावी है, मिसमैच्ड AWGN LLRs ( $L^{awgn}_k$ ) के उपयोग से सटीक LLRs ( $L_k$ ) की तुलना में एरर फ्लोर में क्रमशः 5 गुना (400G के लिए), 3.3 गुना (600G के लिए), और 3 गुना (800G के लिए) तक की वृद्धि देखी गई।
सन्निकटन प्रभावकारिता: प्रस्तावित ZC सन्निकटन ( $L^{zc}_k$ ) ने इस पेनल्टी को सफलतापूर्वक समाप्त कर दिया, जिससे सटीक LLR गणना के लगभग समान पोस्ट-FEC BER प्रदर्शन प्राप्त हुआ।
सिस्टम मार्जिन: 400G और 600G सिस्टम के लिए, प्रस्तावित विधि ने मिसमैच्ड दृष्टिकोण की तुलना में क्रमशः 0.1 dB और 0.4 dB कम OMA के साथ KP4 FEC थ्रेशोल्ड ( $2.26 \times 10^{-4}$ ) को पूरा करने में सक्षम बनाया। 800G के लिए, मिसमैच्ड दृष्टिकोण थ्रेशोल्ड को पूरा करने में विफल रहा (एरर फ्लोर हिट किया), जबकि प्रस्तावित सन्निकटन ने एक विश्वसनीय ऑपरेटिंग मार्जिन बनाए रखा।

महत्व और दावे (Significance and Claims)
शोध पत्र निष्कर्ष निकालता है कि लेजर RIN द्वारा संचालित नेक्स्ट-जेनरेशन IM-DD सिस्टम के लिए, सिग्नल-डिपेंडेंट नॉइज़ का सटीक मॉडलिंग सॉफ्ट-डिसीजन डिकोडिंग के लिए महत्वपूर्ण है। लेखक दावा करते हैं कि उनका प्रस्तावित लो-कॉम्प्लेक्सिटी पीसवाइज़ लीनियर सन्निकटन एक व्यावहारिक समाधान प्रदान करता है जो सटीक क्वाड्रेटिक LLR गणनाओं की कम्प्यूटेशनल लागत के बिना, मिसमैच्ड AWGN मॉडल्स से होने वाली प्रदर्शन पेनल्टी से बचाता है। यह मानक कॉनकैटनेटेड FEC स्कीम्स का उपयोग करके हाई-स्पीड ट्रांससीवर्स (800 Gb/s तक) के लिए विश्वसनीय एरर-फ्री कम्युनिकेशन को सक्षम बनाता है। यह कार्य सुझाव देता है कि भविष्य के प्रयास उच्च-क्रम के PAM फॉर्मेट्स और कैपेसिटी-अप्रोचिंग FEC कोड्स के साथ इन परिणामों को विस्तारित करने पर केंद्रित होने चाहिए।

गलत तरीका: "एक ही आकार सबके लिए" वाला अनुमान

सही तरीका: "सटीक" गणित

शोध पत्र का समाधान: "स्मार्ट शॉर्टकट"

निचोड़

इसी तरह के और पेपर