FSA-Net: ڈیپ لرننگ نامعلوم سگنل ذرائع کو نصف درجے کی درستگی کے ساتھ کیسے تلاش کرتا ہے

ایک شور بھرے کمرے میں موجودہ لوگوں کی تعداد اور ان کی پوزیشن نہ جاننے کی صورت میں سرگوشیوں کو پہچاننے کی کوشش کریں۔ یہ وہ حقیقت ہے جو وائرلیس کمیونیکیشن اور ریڈار سسٹمز کے انجینئرز روزانہ کا سامنا کرتے ہیں۔ موسک اور ایس پی آر ٹی جیسے روایتی آلات سالوں سے سگنلز کے آنے کے زاویے (DOA) کا تعین کرنے کے لیے معیاری طریقے رہے ہیں۔ لیکن جب سگنل کی معیار کم ہو جائے، ذرائع قریب قریب ہوں یا فعال مواصلات کنندگان کی تعداد معلوم نہ ہو تو یہ کلاسیکی تکنیکی ناکام ہو جاتی ہیں۔ FSA-Net نامی ایک نیا ڈیپ لرننگ فریم ورک اس خلا کو پر کرتا ہے۔ یہ ایک ساتھ ذرائع کی گنتی اور ان کے درست زاویوں کا تخمینہ لگاتا ہے۔ اس کے لیے منظر کے بارے میں کوئی پہلے سے معلوم معلومات کی ضرورت نہیں ہوتی۔

FSA-Net کی خاص کشش اس کی صلاحیت ہے کہ یہ تین مختلف چیلنجوں کو ایک ہی جامع ماڈل میں حل کر سکتا ہے۔ زیادہ تر موجودہ حل ایک، دو یا تین ذرائع کے لیے الگ الگ ترتیبات کی ضرورت محسوس کرتے ہیں۔ FSA-net مخلوط صورتحال کو اپنے کام کے بہاؤ کا فطری حصہ سمجھتا ہے۔ نیٹ ورک permutation ambiguity یعنی ترتیب کی ابہمیت کا بھی مقابلہ کرتا ہے۔ یہ عصبی نیٹ ورکس میں ایک مستقل مسئلہ ہے جہاں ترتیب یافتہ آؤٹ پٹ غیر ترتیب یافتہ طبیعی حقائق سے مطابقت نہیں رکھتے۔ فورورڈ سارٹ اینڈ گیذر میکانزم استعمال کر کے یہ پیش گوئی شدہ زاویوں کو وجود لوگارتھم کے ہم وقت تبدیلیوں سے ملا دیتا ہے۔ اس یقینی بناتا ہے کہ ہر زاویے کی پیش گوئی کسی خاص ذریعے کی موجودگی سے درست طور پر مطابقت رکھے۔ مزید برآں، مقصدی فنکشن میں adjacent-gap اصطلاح کا اضافہ قریب قریب واقع ذرائع کے لیے ریزولیوشن کو تیز کرتا ہے۔

اس سسٹم کے ان پٹ ڈیٹا کا منبع یکساں لکیری اری (uniform linear array) سے پیدا کیا گیا نارملائزڈ نمونہ کوویرینس میٹرکس ہے۔ ماڈل حقیقی، خیالی اور مقدار والے اجزاء کو اکٹھا کر کے ماحول کی مکمل فضائی ہم بندی کی ساخت کو پکڑتا ہے۔ نتائج خود بخود بات کرتے ہیں۔ FSA-Net سگنل سے شور کے تناسب (SNR) کی وسیع طیف میں زیرِ درجہ جذمی مربع غلطی برقرار رکھتا ہے۔ کلاسیکل سپیس میٹھڈ اکثر کم SNR حالات میں ناکام ہو جاتے ہیں لیکن یہ ڈیپ لرننگ نقطہ نظر مستحکم رہتا ہے۔ ذرائع کی گنتی کی درستگی تقریباً کامل سطح تک پہنچ جاتی ہے۔ یہ -15 dB SNR پر بھی 97 فیصد سے زائد قابل اعتمادی کے ساتھ فعال ذرائع کی صحیح تعداد کی شناخت کرتا ہے۔

کارکردگی اس آرکیٹیکچر کا ایک اور دلچسپ پہلو ہے۔ صرف 4.439 ملین پیرامیٹرز اور کم فلاٹنگ پوائنٹ آپریشنز فی سیکنڈ کے ساتھ، FSA-Net وسائل سے محدود آلات کے لیے ایک مناسب حل فراہم کرتا ہے۔ حالانکہ موجودہ ورژن تین ایک ہی وقت میں چلنے والے ذرائع تک محدود ہے، یہ مشترکہ تخمینہ کاری کے کاموں کے لیے ایک بلند معیار قائم کرتا ہے۔ محققین پہلے ہی اس قابلیت کو کوئنٹائزڈ پیمائشوں اور ہم آہنگ ذرائع تک وسعت دینے کے بارے میں سوچ رہے ہیں۔ یہ پیش رفت اگلے نسل کے ری کنفیگر ایبل انٹیلیجنٹ سرفسز اور تقسیم شدہ ٹائم ماڈولیٹڈ اریز کے لیے زیادہ مضبوط بیم فارمنگ کی وعدہ کرتی ہے۔