[論文レビュー] Neural Probabilistic Amplitude Shaping for Nonlinear Fiber Channels

Mohammad Taha Askari, Lutz Lampe+1 more|arXiv (Cornell University)|Feb 2, 2026

Optical Network Technologies被引用数 0

ひとこと要約

NPASは、一貫性のある光通信システムにおける無符号シンボルのためのPAS互換の joint-distribution 学習法で、非線形緩和とNPSと同等の性能を達成しつつ、トレーニング安定性とデプロイ性を向上させる。

ABSTRACT

We introduce neural probabilistic amplitude shaping, a joint-distribution learning framework for coherent fiber systems. The proposed scheme provides a 0.5 dB signal-to-noise ratio gain over sequence selection for dual-polarized 64-QAM transmission across a single-span 205 km link.

研究の動機と目的

• PAS のジョイント分布学習を動機づけ、周辺シンボル確率を超える非線形ファイバチャネルをより良く扱う。
• NPASを提案、終端間トレーニングのため unsigned symbol distributions を学習する PAS互換の自己回帰モデル。
• 205 km の単一スパンWDM デュアルポーラリゼーション 64-QAMリンクで、NPAS の性能向上とトレーニング安定性を実証する。

提案手法

• 符号化されていない複素振幅に対する条件分布を生成する自己回帰ニューラルモデルを使用する。
• 微分可能なAMベースのファイバチャネルモデルと調整された BCE 損失を用いたミスマッチガウシアンデマッパを組み合わせてエンドツーエンドで訓練する。
• FECパリティストリームからの符号ビットを供給することでNPASをPASフレームワークと統合する。
• NPASをNPSおよびESSプラスシーケンス選択を、ブロック長および開始出力パワーを変化させて比較する。

実験結果

リサーチクエスチョン

• RQ1 自己回帰モデルを用いた unsigned symbol のジョイント分布学習は、光ファイバチャネルにおける PAS 互換性と非線形緩和を改善できるか。
• RQ2 NPAS の性能はブロック長とともにどのようにNPSおよび従来のPAS法と比べてスケールするか。
• RQ3 高次元設定でもNPASは訓練安定性と実用的デプロイ性を維持できるか。
• RQ4 NPASとシーケンス選択アプローチを比較したときの AIR と有効 SNR の相対的利得はどれくらいか。
• RQ5 NPAS は NPS 相当の性能を達成しつつ完全な PAS の相互運用性を維持できるか。

主な発見

• NPAS は非線形緩和で NPS に匹敵する利得を達成しつつ PAS アーキテクチャ内でデプロイ可能である。
• NPS が小さな L を超えると停滞・劣化するのに対して、NPAS はより大きなブロック長で安定性を保ち、改善を継続する。
• 実用的な L=32 では、NPAS と NPS は ESS および ESS+シーケンス選択より有効SNRと AIR で上回り、NPAS は NPS に類似の利得を達成。
• NPAS はシーケンス選択より約0.5 dB の SNR 優位性を導入し、報告設定では最大で0.1 bits/2D AIR の改善を達成。
• このアプローチは PAS 互換性を維持し、選択に伴う複雑性やレートペナルティを回避する。
• 結果は、205 km の単一スパン WDM リンク上で、50 GBd の5チャネルデュアルポーラリゼーション 64-QAMで実証された。