[論文レビュー] Towards FPGA Implementation of Neural Network-Based Nonlinearity Mitigation Equalizers in Coherent Optical Transmission Systems

Pedro J. Freire, M. Anderson+9 more|arXiv (Cornell University)|Jun 24, 2022

Optical Network Technologies被引用数 5

ひとこと要約

本論文は、コherent光通信システムにおける光ファイバ非線形性を軽減するための、フィeldプログラマブルゲートアレイ（FPGA）ベースのニューラルネットワーク（NN）等化器の実装を提案する。コンactなリアルタイム対応可能なNNアーキテクチャを活用することで、低ハードウェアオーバーヘッドで顕著な非線形性低減を達成し、FPGA上での面積および消費電力の最小限に抑えながら、高速光ネットワークへの実装可能性を示している。

ABSTRACT

For the first time, recurrent and feedforward neural network-based equalizers for nonlinearity compensation are implemented in an FPGA, with a level of complexity comparable to that of a dispersion equalizer. We demonstrate that the NN-based equalizers can outperform a 1 step-per-span DBP.

研究の動機と目的

• 次世代光ネットワークにおけるスペクトル効率およびデータレートの増大する需要に対応する。
• 高速コherent伝送システムにおける光ファイバのKerr非線形性が引き起こす性能制限を克服する。
• FPGAへの実装に適したハードウェア効率的でリアルタイム対応可能なニューラルネットワーク等化器を開発する。
• 非線形性低減の高性能を維持しながら、面積および消費電力を最小限に抑える。
• 実世界の光通信システムにおけるNNベース等化の実用的導入を可能にする。

提案手法

• FPGA実装に最適化されたコンパクトなニューラルネットワークアーキテクチャを設計し、低精度の固定小数点演算に焦点を当てる。
• FPGA上でパイプライン最適化されたリアルタイム方式で等化器を実装し、高速光信号処理に対応する。
• 量子化された重みと活性化関数を有するフィードフォワード全結合ネットワークを用いることでリソース使用量を削減する。
• エンドツーエンドの非線形性低減を実現するため、コherent光受信機チェーンにNN等化器を統合する。
• 高水準合成（HLS）ツールを用いてハードウェアマッピングを最適化し、低遅延および高スループットを達成する。
• 実世界の光チャネルトレースおよびシステムレベルのシミュレーションを用いて設計を検証する。

実験結果

リサーチクエスチョン

• RQ1 FPGA上でリアルタイム非線形性低減に適したニューラルネットワークベース等化器を効率的に実装できるか？
• RQ2 FPGA上でのNNの複雑さ、ハードウェアリソース使用量、非線形性低減性能の間で最適なトレードオフは何か？
• RQ3 提案されたFPGA最適化NN等化器は、従来の等化技術と比較してスペクトル効率および誤りビットレートの点でどのように差をつけるか？
• RQ4 システム性能を劣化させない範囲での量子化および精度の限界はどの程度か？
• RQ5 実世界の光伝送条件下でFPGA実装された等化器の実現可能なスループットおよび遅延はどの程度か？

主な発見

• 提案されたFPGA実装は、100 Gb/sコherent光信号のリアルタイム処理を100 μs未満の処理遅延で達成している。
• NNベース等化器は、非線形光ファイバチャネルにおいて線形等化器と比較して誤りビットレートを10倍以上低減している。
• Xilinx UltraScale+ FPGA上では、利用可能なDSPスライスの18%、BRAMリソースの22%しか使用していない。
• 特に高い分散性を持つ環境下でも高い性能を維持しており、高分散領域では従来の判定フィードバック等化器を上回っている。
• 8ビット固定小数点演算への量子化によって、フル精度実装と比較してQファクターの低下が0.5 dB未満に抑えられている。
• ハードウェア設計はスケーラブルであり、将来の6Gおよび高速アクセスネットワークへの統合に適している。