إطار عمل جديد يخفض حسابات فك التشفير 32 مرة في ضغط بيانات القناة لشبكات 5G

ResearchHardware
صورة توضيحية مُولّدة بالذكاء الاصطناعي: Editorial image for New Framework Cuts Decoder Compute 32x for 5G Channel Feedback Compression

الزبدة

  • باحثون يطورون طريقة تدمج تقنية تنبؤ ذاتية التعلم داخل ضغط بيانات القناة في شبكات 5G، فتخفض حسابات فك التشفير 32 مرة وتحافظ على دقة تفوق 90%.
  • الابتكار يأتي بنسختين: واحدة جذرية توفر أكبر قدر من الطاقة الحسابية، وأخرى متوافقة تماماً مع المعايير الحالية دون تغيير حجم البيانات المرسلة عبر الهواء.
  • النتائج اختُبرت على بيانات حقيقية من نوكيا وأوبو وCATT، والكود المصدري متاح للجميع، مما يفتح الباب لتبني الصناعة له بسرعة أكبر.

تكشف بنية ضغط جديدة مخصصة لتغذية معلومات القناة الراجعة (Channel Feedback) في الشبكات الخلوية عن قدرتها على تقليص الحمل الحسابي لوحدة فك التشفير (Decoder) بمقدار 32 مرة، مع الحفاظ على دقة إعادة البناء عند أكثر من 90%. نتيجة كهذه قد تغيّر جذرياً طريقة تعامل شبكات الجيل الخامس (5G)، وما بعدها من شبكات الجيل السادس (6G) المرتقبة، مع أحد أكثر مهامها استهلاكاً لعرض النطاق الترددي.

التقنية، الموصوفة في ورقة بحثية قُبلت للنشر في مجلة IEEE Transactions on Neural Networks and Learning Systems، تعالج مسألة ضغط معلومات حالة القناة (Channel State Information - CSI)، وهي العملية التي يلخص فيها الجهاز المحمول سلوك القناة اللاسلكية ويرسل هذا الملخص إلى المحطة القاعدية (Base Station) لتتمكن من توجيه الحزم الراديوية (Beamforming) وتوزيع الطيف الترددي بكفاءة. وبما أن هذه البيانات ترتحل جواً بشكل مستمر، فإن كل بت يُنقل وكل دورة حسابية تُستهلك في معالجته يمثلان تكلفة حقيقية على سعة الشبكة وعمر بطارية الجهاز.

دمج التنبؤ داخل عملية الضغط

الفكرة الجوهرية التي يقوم عليها البحث هي دمج تقنية الترميز التنبئي التبايني (Contrastive Predictive Coding - CPC)، وهي طريقة تعلم تمثيل ذاتي الإشراف (Self-supervised Representation Learning) طُوّرت أصلاً لمهام مثل نمذجة الصوت والكلام، مباشرة داخل خط أنابيب الضغط (Compression Pipeline) المتوافق مع معايير 3GPP. وبدلاً من التعامل مع الضغط والتنبؤ كمرحلتين منفصلتين، يوحّد الإطار الجديد بينهما، بحيث يتعلم النموذج استخراج المعلومات الضرورية فقط لإعادة بناء حالة القناة بدقة.

يقدم البحث نسختين من هذه الفكرة. الأولى تحمل اسم "CPC قبل الضغط" (CPC-before-Compression)، وتطبق خطوة الترميز التنبئي قبل خط أنابيب الضغط التقليدي. وهذه هي النسخة التي حققت النتيجة الأبرز: دقة إعادة بناء تتجاوز 90% إلى جانب خفض عدد العمليات الحسابية العائمة في الثانية (GFLOPs) الخاصة بفك التشفير بمقدار 32 مرة مقارنة بالنظام الأساسي المعتمد في معايير 3GPP. وهذا الانخفاض في الحمل الحسابي له تأثير مباشر على الهواتف المحدودة ببطارياتها، وعلى المحطات القاعدية التي تعالج بيانات راجعة من آلاف الأجهزة المتصلة في آنٍ واحد.

أما النسخة الثانية، "CPC بعد الضغط" (CPC-after-Compression)، فتتبنى نهجاً أكثر تحفظاً. فهي تحافظ على نفس حجم وحدة التشفير (Encoder) وعلى نفس الحمل الزائد للبيانات الراجعة البالغ 64 بت، المستخدم في النظام الأساسي لـ3GPP، مما يعني إمكانية دمجها في خطوط الأنابيب المعيارية الحالية دون تغيير حجم البيانات المرسلة عبر الهواء. هذا يجعلها خياراً تدريجياً وأكثر توافقية، على النقيض من إعادة التصميم الجذرية التي تطرحها النسخة الأولى.

اختبار على بيانات صناعية حقيقية

لترسيخ النتائج في ظروف واقعية بعيداً عن معايير القياس الاصطناعية، اختبر الفريق البحثي كلا النسختين على مجموعات بيانات متوافقة مع معايير 3GPP، ساهمت بها شركات نوكيا (Nokia) وأوبو (Oppo) وشركة CATT، وهي جهات ثلاث لها تأثير مباشر في تطور معايير التغذية الراجعة لمعلومات حالة القناة. استخدام بيانات مرتبطة بهذه المصادر الصناعية يمنح النتائج ثقلاً أكبر مما توفره بيئة اختبار أكاديمية بحتة، لأنها تعكس ظروف القناة والقيود التنسيقية التي يجب أن تتعامل معها معدات الشبكات الفعلية.

كما أطلق الفريق الكود المصدري (Source Code) للمشروع بشكل علني، مما يتيح لباحثين ومهندسين آخرين إعادة إنتاج النتائج المعلنة، واختبار الإطار المطروح مقابل نماذج قنواتهم الخاصة أو قيود عتادهم.

بالنسبة لمشغلي الشبكات ومصممي الشرائح، الجاذبية العملية واضحة: تقليل الحمل الحسابي لفك التشفير يعني معالجة أرخص وأكثر كفاءة في استهلاك الطاقة للبيانات الراجعة، دون الحاجة لإعادة كتابة خط أنابيب الضغط المعياري بالكامل، على الأقل في نسخة "CPC بعد الضغط" المتوافقة رجعياً. أما تحول شركات الاتصالات نحو التصميم الأكثر جذرية "CPC قبل الضغط"، فسيتوقف على مدى استعداد الهيئات المعيارية لإعادة النظر في بنية 3GPP الأساسية نفسها.

التغطيات والأبحاث الأصلية التي استند إليها هذا المقال.

  1. 1Contrastive Predictive Coding with Compression for Enhanced Channel State Feedback in Wireless Networksarxiv.org
واكب

فريق تحرير واكب

تم إعداد هذه المراجعة وتلخيصها بواسطة محرك الذكاء الاصطناعي الخاص بواكب ومراجعتها وتدقيقها من قبل فريقنا التحريري لضمان الدقة والموثوقية.

اشترك في النشرة البريدية

احصل على ملخص أسبوعي لأبرز أبحاث وأدوات الذكاء الاصطناعي مباشرة في بريدك.

قناة التليجرام

تابع تغطيتنا اللحظية ونقاشاتنا حول آخر مستجدات وأنظمة الذكاء الاصطناعي.

انضم إلينا على تليجرام

المزيد من الأبحاث

عرض الكل في الأبحاث