가지치기 및 양자화를 사용하여 제한된 하드웨어에서 신경망 광 채널 이퀄라이저의 실험적 구현

Scientific Reports 12권, 기사 번호: 8713(2022) 이 기사 인용

1355 액세스

3 인용

1 알트메트릭

측정항목 세부정보

에지 컴퓨팅 장치에 인공 신경망 기반 광 채널 이퀄라이저를 배포하는 것은 차세대 광 통신 시스템에 매우 중요합니다. 그러나 이는 대규모 분산 유도 메모리를 사용하여 비선형 광 채널을 효율적으로 균등화하는 데 필요한 인공 신경망(NN)의 계산 복잡성으로 인해 여전히 매우 어려운 문제입니다. NN 기반 광 채널 이퀄라이저를 하드웨어에 구현하려면 상당한 복잡성 감소가 필요하며 단순화된 NN 모델의 허용 가능한 성능 수준을 유지해야 합니다. 본 연구에서는 NN 기반 광채널 등화기에 가지치기 및 양자화 기술을 적용하여 복잡성 감소 문제를 해결합니다. 우리는 예시적인 NN 아키텍처인 MLP(다층 퍼셉트론)를 사용하여 표준 단일 모드 광섬유를 통한 30GBd 1000km 전송의 손상을 완화하고 이퀄라이저의 메모리를 최대 87.12%까지 줄이는 것이 가능함을 보여줍니다. , 눈에 띄는 성능 저하 없이 복잡성을 최대 78.34%까지 향상시킵니다. 또한 디지털 신호 처리(DSP) 측면에서 압축된 NN 기반 이퀄라이저의 계산 복잡성을 정확하게 정의합니다. 또한, 서로 다른 CPU 및 GPU 기능을 갖춘 하드웨어를 사용할 경우 압축 이퀄라이저의 전력 소비 및 대기 시간에 미치는 영향을 조사합니다. 또한 광섬유 시스템에서 신호 전파를 시뮬레이션하여 생성된 데이터를 처리하는 데 사용되는 두 개의 표준 에지 컴퓨팅 하드웨어 장치인 Raspberry Pi 4 및 Nvidia Jetson Nano에 축소된 NN 이퀄라이저를 구현하여 개발된 기술을 실험적으로 검증합니다. .

광통신은 글로벌 디지털 인프라의 중추를 형성합니다. 오늘날 광 네트워크는 수십억 명의 사람들을 상호 연결할 뿐만 아니라 수많은 자율 장치, 기계 및 제어 시스템의 수명주기를 지원하는 글로벌 데이터 트래픽의 주요 공급자입니다. 현대 광섬유 통신 시스템의 처리량을 제한하는 주요 요인 중 하나는 광섬유 매체의 비선형 응답과 시스템 구성 요소 모두에서 발생하는 비선형성으로 인한 전송 장애1,2입니다. 이 문제에 대한 기존 및 잠재적 솔루션에는 몇 가지 눈에 띄는 방법을 언급하기 위해 중간 범위 광학 위상 공액, DBP(디지털 역전파) 및 역볼테라 계열 전달 함수 등이 포함됩니다2,3,4. 그러나 통신 산업에서는 가능한 솔루션 간의 경쟁이 성능 측면뿐만 아니라 하드웨어 배포 옵션, 운영 비용 및 전력 소비 측면에서도 발생한다는 점을 강조해야 합니다.

지난 몇 년 동안 기계 학습 기술을 기반으로 한 접근 방식, 특히 NN을 활용하는 접근 방식은 NN이 섬유 및 구성 요소로 인한 손상을 효율적으로 풀 수 있기 때문에 점점 더 인기 있는 연구 주제가 되었습니다5,6,7,8, 9,10,11,12,13,14,15. 광 전송 시스템에서 신호 손상 보상을 위해 NN을 사용하는 간단한 방법 중 하나는 해로운 효과에 대응하기 위한 수신기 측의 특수 신호 처리 장치인 포스트 이퀄라이저7,10,14로 시스템에 이를 연결하는 것입니다. 데이터 전송 중에 나타나는16. 수많은 이전 연구에서 이러한 유형의 솔루션의 잠재력이 입증되었습니다7,8. 다양한 유형의 광학 시스템(잠수함, 장거리, 지하철 및 액세스)에서 다양한 NN 아키텍처가 이미 분석되었습니다. 이러한 아키텍처에는 현재 연구에서 고려되는 MLP7,10,14,15와 같은 피드포워드 NN 설계 또는 보다 정교한 순환형 NN 구조10,11,12,17가 포함됩니다. 그러나 실시간 NN 기반 채널 이퀄라이저의 실제 배포는 계산 복잡성이 기존의 기존 디지털 신호 처리(DSP) 솔루션18과 비교할 수 있거나 바람직하게 낮다는 것을 의미하며 여전히 논쟁의 여지가 있습니다. 이는 NN이 달성한 우수한 성능이 일반적으로 많은 수의 매개변수 및 부동 소수점 연산의 사용과 연결되어 있기 때문에 관련 측면입니다10. 높은 계산 복잡성으로 인해 메모리 및 컴퓨팅 성능 요구 사항이 높아져 에너지 및 리소스 소비가 증가합니다19,20. 따라서 NN 기반 방법의 사용은 의심할 여지 없이 유망하고 매력적이지만 계산 복잡성이 실시간 배포 요소를 제한하는 중요한 제한 요소로 나타나는 광 채널 등화에서 주요 과제에 직면해 있습니다. 물론 일부 NN 아키텍처는 가지치기 및 양자화와 같은 전략 덕분에 성능에 큰 영향을 주지 않고 단순화될 수 있다는 것이 잘 알려져 있습니다. 그러나 자원이 제한된 하드웨어의 실험 환경에서의 적용은 아직 응집성 광 채널 등화의 맥락에서 완전히 연구되지 않았습니다. 또한 복잡성 감소와 시스템 성능 저하 간의 균형은 물론 복잡성 감소가 최종 장치의 에너지 소비에 미치는 영향을 이해하고 추가로 분석하는 것도 필요합니다.