في عالم تكنولوجيا الاتصالات، يشهد استخدام الشبكات العصبية (Neural Networks) تحولًا مثيرًا في الطريقة التي يتم بها تحسين أداء مضخمات القوة (Power Amplifiers) الرقمية. ويأتي أحدث التطورات في هذا المجال مع إطلاق إطار العمل OpenDPDv2، الذي يقدم حلاً موحدًا يجمع بين نمذجة مضخمات القوة (PA Modeling)، تعلم تقنيات تحسين الشبكات العصبية (NN-DPD Learning)، وعملية تحسين موجهة للتطبيقات.

تعتبر العناصر الأساسية في OpenDPDv2 هي تقنية TRes-Delta Gated Recurrent Unit، والتي توفر هيكلاً فريدًا يُمكن الشبكات العصبية من العمل بشكل موثوق تحت ظروف تضم مؤشرات زمنية متغيرة. يمكّن هذا النموذج من تحقيق أداء مذهل لمضخم GaN Doherty عند تردد 3.5 غيغاهرتز، حيث سجل ما يقرب من -59.9 ديسيبل لحساب نسبة الطاقة في القنوات المتجاورة (-ACPR) و-42.1 ديسيبل لقياس حجم خطأ المتجه (-EVM).

علاوة على ذلك، مع استخدام نظام تشفير 56% من الزمن وW12A12، استطاع النموذج الحفاظ على -51.8 ديسيبل لـ ACPR و-35.2 ديسيبل لـ EVM مع استخدام 450 معامل نشط. مما يعني أنه تم الانتقال إلى استهلاك طاقة أقل لتحسين الأداء.

هذا التطور يعد خطوة هامة نحو تعزيز كفاءة مضخمات القوة في تطبيقات الاتصالات الواسعة، مما يوفر للمطورين والباحثين أداة قوية لتحسين أدائهم. يمكنكم الاطلاع على الرمز والمجموعات البيانية والمستندات المتاحة للجمهور على رابط المشروع.