علم

مصنوعی ذہانت اور آپٹیکل فائبر کیبلز ایک دوسرے پر اس سے زیادہ انحصار کرتے ہیں جتنا ٹیلی کام انڈسٹری کے زیادہ تر لوگوں کو احساس ہوتا ہے۔ AI سسٹمز تیز-رفتار، کم-لیٹنسی ڈیٹا ٹرانسمیشن کے بغیر کام نہیں کر سکتے جو صرف فائبر آپٹکس فراہم کر سکتے ہیں۔ اور فائبر نیٹ ورکس، بدلے میں، AI-طاقت سے چلنے والے مانیٹرنگ اور آپٹیمائزیشن ٹولز کی بدولت کہیں زیادہ موثر ہو رہے ہیں۔ یہ دوطرفہ تعلق پہلے سے ہی نئی شکل دے رہا ہے کہ ڈیٹا سینٹرز کیسے بنائے جاتے ہیں، نیٹ ورک کیسے بنائے جاتے ہیں، اور نئی فائبر ٹیکنالوجیز کیسے تیار کی جا رہی ہیں۔

یہ مضمون بتاتا ہے کہ یہ رشتہ عملی طور پر کیسے کام کرتا ہے، جس کی حمایت قابل تصدیق انڈسٹری ڈیٹا سے ہوتی ہے، اور ٹیلی کام آپریٹرز، ڈیٹا سینٹر پلانرز، اور انفراسٹرکچر خریداروں کے لیے اس کا کیا مطلب ہے۔
 

AI سسٹمز کو آپٹیکل فائبر کیبلز کی ضرورت کیوں ہے؟

ایک بڑے AI ماڈل کی تربیت میں کام کے بوجھ کو ہزاروں GPUs میں تقسیم کرنا شامل ہے، ان سبھی کو ڈیٹا کا مسلسل تبادلہ کرنا چاہیے۔ اس سے سرورز - کے درمیان بہتے مشرقی-مغربی ٹریفک - ڈیٹا کی تخلیق ہوتی ہے جو انتہائی بینڈوڈتھ، کم سے کم تاخیر، اور نہ ہونے کے برابر سگنل نقصان کا مطالبہ کرتا ہے۔ روایتی تانبے کی تاریں برقرار نہیں رہ سکتیں۔ صرفآپٹیکل فائبر کیبلزوہ تھرو پٹ فراہم کر سکتا ہے جس کی جدید AI کلسٹرز کو ضرورت ہوتی ہے، خاص طور پر ڈیٹا سینٹرز کی 400G سے 800G میں منتقلی اور بالآخر 1.6T آپٹیکل لنکس۔

فائبر کی کھپت میں فرق ڈرامائی ہے۔ کے مطابقکارننگ کا 2025 ڈیٹا سینٹر آؤٹ لک, جنریٹیو AI ڈیٹا سینٹرز کو پہلے ہی روایتی ڈیٹا سینٹر نیٹ ورکس کے 10 گنا سے زیادہ آپٹیکل فائبر کی ضرورت ہوتی ہے۔ آپٹیکل فائبر اور کیبل کے کارننگ کے SVP نے نوٹ کیا کہ Nvidia کے 72-GPU بلیک ویل نوڈس کو روایتی کلاؤڈ سوئچ ریک سے 16 گنا زیادہ فائبر کی ضرورت ہے۔ ایک اور معروف فائبر مینوفیکچرر STL نے اطلاع دی ہے کہ GPU-ہیوی AI ریک روایتی CPU پر مبنی کنفیگریشنز کے مقابلے میں 36 گنا زیادہ فائبر کا مطالبہ کر سکتے ہیں۔

مانگ میں یہ اضافہ عمارت کے اندر ہونے والی چیزوں سے باہر ہے۔ AI کام کا بوجھ تیزی سے متعدد سہولیات میں تقسیم ہو رہا ہے، جس کا مطلب ہے۔ڈیٹا سینٹر انٹرکنیکٹ (DCI) لنکسبھی کافی زیادہ فائبر کی صلاحیت کی ضرورت ہے. اےفائبر براڈ بینڈ ایسوسی ایشن کی 2025 کی رپورٹاندازہ لگایا گیا کہ امریکہ کو 2029 تک کل فائبر میلوں میں 2.3x اضافے کی ضرورت ہوگی تاکہ صرف AI-پر مبنی ہائپر اسکیل ترقی کو سپورٹ کیا جاسکے۔

AI آپٹیکل فائبر نیٹ ورک کے آپریشنز کو کیسے بہتر بناتا ہے۔

رشتہ ایک-دشاتمک نہیں ہے۔ AI فائبر نیٹ ورک کی دیکھ بھال اور کارکردگی میں حقیقی مسائل کو حل کر رہا ہے جن کے ساتھ صنعت کئی دہائیوں سے جدوجہد کر رہی ہے۔

ہوشیار غلطی کا پتہ لگانا اور دیکھ بھال

روایتی طور پر، آپٹیکل نیٹ ورک میں خرابیوں کو تلاش کرنے اور ان کی تشخیص کرنے کا مطلب ہے OTDR (آپٹیکل ٹائم-ڈومین ریفلیکٹومیٹر) کا دستی طور پر معائنہ کرنے کے لیے ٹیکنیشن بھیجنا - ایک سست، محنت-گہری عمل۔ AI اس کو بنیادی طور پر تبدیل کرتا ہے۔

مشین لرننگ ماڈلز اب OTDR ڈیٹا کا خود بخود تجزیہ کر سکتے ہیں تاکہ فائبر کی بے ضابطگیوں کا پتہ لگایا جا سکے، غلطی کی اقسام کی درجہ بندی کی جا سکے اور ان کے مقام کی نشاندہی کی جا سکے۔ شائع شدہ تحقیق سے پتہ چلتا ہے کہ AI-کی بنیاد پر نظام دو طرفہ ریکرنٹ نیورل نیٹ ورکس کے ساتھ آٹو اینکوڈرز کو ملا کر غلطی کا پتہ لگانے والے F1 سکور کو 96% سے زیادہ اور درجہ بندی کی درستگی 98% سے زیادہ، لوکلائزیشن کی درستگی کے ساتھ ایک میٹر کے حصوں میں ماپا جاتا ہے۔ ایک دستاویزی تعیناتی میں،ایک AI- کی مدد سے نگرانی کا پلیٹ فارم1,024-لنک ڈیٹا سینٹر ماحول میں روایتی پولنگ کے مقابلے میں غلطی کا پتہ لگانے کی کارکردگی میں 98 فیصد سے زیادہ اضافہ ہوا۔

آپریٹرز کے لیے جو ہزاروں فائبر لنکس کا انتظام کر رہے ہیں۔فائبر آپٹک ڈیٹا سینٹرنیٹ ورک، عملی فائدہ واضح ہے: خرابیوں کی نشاندہی اور ان کی نشاندہی اس سے پہلے کی جاتی ہے کہ وہ سروس میں خلل پیدا کریں، اور تشخیصی چکر گھنٹوں سے سیکنڈ تک سکڑ جاتے ہیں۔

سگنل کی اصلاح اور صلاحیت کی منصوبہ بندی

AI موجودہ فائبر انفراسٹرکچر سے زیادہ کارکردگی کو نچوڑنے میں بھی مدد کرتا ہے۔ ڈیوائس کے پیرامیٹرز اور تاریخی لنک پرفارمنس ڈیٹا پر ٹریننگ ماڈلز کے ذریعے، مشین لرننگ سگنل ماڈیولیشن کو بہتر بنا سکتی ہے، پھیلاؤ کے اثرات کی پیش گوئی کر سکتی ہے، اور طول موج کے چینلز میں بجلی کی تقسیم کو متوازن کر سکتی ہے۔ اس کا مطلب ہے کہ آپریٹرز نئی کیبلز کو نصب کیے بغیر تعینات فائبر راستوں کی مؤثر صلاحیت میں اضافہ کر سکتے ہیں - ایک بامعنی لاگت کا فائدہ کیونکہ فائبر کی قیمتیں مسلسل بڑھ رہی ہیں۔

کھوکھلا-بنیادی فائبر: اے آئی ڈیمانڈ ایک نئی فائبر ٹیکنالوجی کو کیسے چلا رہی ہے۔

شاید اس کی واضح ترین مثال ہے کہ کس طرح AI فائبر جدت کو آگے بڑھا رہا ہے۔کھوکھلی-بنیادی آپٹیکل فائبر(HCF)۔ روایتی فائبر ٹھوس شیشے کے ذریعے روشنی کی رہنمائی کرتا ہے۔ اس کے بجائے کھوکھلا-کور فائبر ہوا سے بھرے ہوئے چینل کے ذریعے روشنی- منتقل کرتا ہے۔ چونکہ روشنی شیشے کی نسبت ہوا میں تقریباً 47% تیزی سے سفر کرتی ہے، اس لیے مخصوص ڈیزائن اور تعیناتی کی شرائط پر منحصر ہے، HCF پروپیگیشن لیٹنسی - عام طور پر 30 سے ​​47 فیصد تک نمایاں کمی پیش کرتا ہے۔

ستمبر 2025 میں، ساؤتھمپٹن ​​یونیورسٹی اور مائیکروسافٹ کے محققین نے نتائج شائع کیے۔نیچر فوٹوونکس0.091 dB فی کلومیٹر کے ریکارڈ-کم سگنل کے نقصان کے ساتھ HCF کا مظاہرہ کرنا۔ یہ تقریباً 0.14 dB/km منزل سے معنی خیز طور پر بہتر ہے جس پر روایتی سلکا فائبر چار دہائیوں سے پھنسا ہوا ہے۔ مائیکروسافٹ نے پہلے ہی اپنے Azure نیٹ ورک میں لائیو ٹریفک لے جانے والے 1,200 کلومیٹر سے زیادہ کھوکھلی-کور فائبر کو تعینات کیا ہے، اور15,000 کلومیٹر مزید تعینات کرنے کے منصوبوں کا اعلان کیا۔صنعتی-پیمانہ سازی کے لیے کارننگ اور ہیریئس کے ساتھ شراکت داری۔

نومبر 2025 میں، Scala ڈیٹا سینٹرز، Lightera، اور Nokia نے لاطینی امریکہ میں تصور کے پہلے HCF ثبوت کا انعقاد کیا اور تجارتی طور پر دستیاب 400G ٹیسٹ آلات کا استعمال کرتے ہوئے تاخیر میں 32% کمی کی تصدیق کی۔

اس نے کہا، HCF آج روایتی فائبر کا عالمی متبادل نہیں ہے۔ مینوفیکچرنگ کے اخراجات زیادہ ہیں، سپلائی کرنے کے لیے مخصوص تکنیکوں کی ضرورت ہوتی ہے، اور صنعت کے معیارات ابھی بھی تیار کیے جا رہے ہیں۔ ابھی کے لیے، یہ خاص طور پر AI ڈیٹا سینٹرز کے درمیان لیٹنسی-نازک لنکس - کے لیے بہترین موزوں ہے، جہاں مائیکرو سیکنڈ کی تاخیر بھی تقسیم شدہ ٹریننگ کلسٹرز میں GPU کے استعمال کو متاثر کرتی ہے۔

فائبر ٹرانسمیشن ریکارڈز گرنے کا سلسلہ جاری ہے۔

آپٹیکل فائبر کے لیے صلاحیت کی حد بڑھتی رہتی ہے۔ 2025 کے آخر میں، جاپان کی این آئی سی ٹی کی سربراہی میں ایک بین الاقوامی ٹیم نے ٹرانسمیشن کی شرح کا مظاہرہ کیا۔ایک معیاری-مطابق آپٹیکل فائبر پر 430 Tb/sECOC 2025 - پر اور 2024 میں قائم پچھلے 402 Tb/s ریکارڈ کے مقابلے میں تقریباً 20% کم بینڈوڈتھ کا استعمال کرتے ہوئے یہ حاصل کیا۔ الگ سے، Sumitomo Electric اور NICT نے 19-core فائبر کا استعمال کرتے ہوئے ایک معیاری کلیڈنگ ڈائیومیٹر کے ساتھ 1,808 کلومیٹر پر 1.02 petabits فی سیکنڈ تک پہنچ گئے۔

ان میں سے بہت ساری کامیابیاں براہ راست AI-معاون سگنل پروسیسنگ تکنیکوں پر انحصار کرتی ہیں، بشمول نیورل نیٹ ورک-بیسڈ ایکویلائزیشن اور مشین لرننگ-آپٹمائزڈ ماڈیولیشن فارمیٹس۔ ملٹی-بینڈ ویو لینتھ ڈویژن ملٹی پلیکسنگ اور ملٹی-کور فائبر - جیسی ٹیکنالوجیز AI-پر مبنی آپٹیمائزیشن - کے ساتھ مل کر اس کی عملی حدود کو آگے بڑھا رہی ہیں۔سنگل-موڈ فائبراور اگلی-جنریشن فائبر ڈیزائن لے سکتے ہیں۔
 

ٹیلی کام انڈسٹری کے لیے عملی مضمرات

AI-فائبر تعلق ٹیلی کام ماحولیاتی نظام میں مختلف کرداروں کے لیے ٹھوس نتائج رکھتا ہے:

ڈیٹا سینٹر آپریٹرزفی ریک میں ڈرامائی طور پر زیادہ فائبر کثافت کے لیے منصوبہ بندی کرنے کی ضرورت ہے۔ AI کلسٹر کی تعمیر کے لیے غیر-بلاکنگ آپٹیکل فیبرکس کی ضرورت ہوتی ہے جہاں ہر GPU کے پاس ہر سطح پر فائبر کنکشن ہوتے ہیں۔ اعلی-کثافت کے حل جیسےربن فائبر آپٹک کیبلزاور MPO/MTP اسمبلیاں اختیاری کی بجائے ضروری ہوتی جا رہی ہیں۔

نیٹ ورک کی بحالی کی ٹیمیںغیر منصوبہ بند ڈاؤن ٹائم کو کم کرنے اور پیشن گوئی کی دیکھ بھال کی طرف شفٹ کرنے کے طریقے کے طور پر AI-معاون مانیٹرنگ ٹولز کا جائزہ لینا چاہیے۔ ٹیکنالوجی صرف تحقیقی مقالوں میں نہیں بلکہ حقیقی تعیناتیوں میں پہلے ہی ثابت ہوچکی ہے۔ مناسبفائبر آپٹک کیبل ٹیسٹنگAI تجزیات کے ساتھ مل کر موجودہ انفراسٹرکچر کی مفید زندگی کو نمایاں طور پر بڑھا سکتا ہے۔

بنیادی ڈھانچے کے منصوبہ ساز اور خریدارفائبر اور آپٹیکل پرزوں پر قیمتوں کے مسلسل دباؤ کی توقع رکھنی چاہیے کیونکہ AI-پر مبنی طلب سے زیادہ سپلائی ہوتی ہے۔ قابل اعتماد فائبر سپلائی چینز کو محفوظ بنانا اور قائم کے ساتھ کام کرنافائبر آپٹک کیبل موادسپلائرز تیزی سے اہم ہو جائے گا.

اکثر پوچھے گئے سوالات

تانبے کی کیبلز AI ڈیٹا سینٹر ٹریفک کو کیوں سپورٹ نہیں کر سکتیں؟

AI کام کا بوجھ 400G اور اس سے اوپر کی رفتار سے سرور-سے-سرور ڈیٹا ٹریفک کی بڑی مقدار پیدا کرتا ہے۔ تانبے کی کیبلز دونوں بینڈوتھ میں محدود ہیں اور ان رفتار تک پہنچتی ہیں۔ آپٹیکل فائبر بہت زیادہ بینڈوتھ، کم تاخیر، اور کم سے کم سگنل انحطاط کے ساتھ لائٹ سگنلز کے طور پر ڈیٹا منتقل کرتا ہے، جس سے ڈیٹا کی نقل و حرکت کے پیمانے کے لیے AI کی ضرورت کا واحد قابل عمل ذریعہ بنتا ہے۔

AI ڈیٹا سینٹر کتنا زیادہ فائبر استعمال کرتا ہے؟

کارننگ کے مطابق، AI- فعال ڈیٹا سینٹرز پہلے ہی روایتی سہولیات کے 10 گنا سے زیادہ فائبر استعمال کرتے ہیں۔ GPU-گہری ترتیب کے لیے، STL رپورٹ کرتا ہے کہ تناسب 36 گنا تک پہنچ سکتا ہے۔ درست ضرب کا انحصار GPU فن تعمیر، نیٹ ورک ٹوپولوجی، اور آیا یہ سہولت AI تربیت، تخمینہ، یا دونوں کو سپورٹ کرتی ہے۔

کھوکھلی-کور فائبر کیا ہے اور یہ AI کے لیے کیوں اہم ہے؟

کھوکھلا-کور فائبر ٹھوس شیشے کی بجائے ہوا سے بھرے کور-کے ذریعے روشنی کی رہنمائی کرتا ہے۔ چونکہ روشنی ہوا میں تیزی سے حرکت کرتی ہے، HCF ٹرانسمیشن میں تاخیر کو تقریباً 30 سے ​​47 فیصد تک کم کرتا ہے۔ متعدد ڈیٹا سینٹرز میں تقسیم شدہ AI ٹریننگ کے لیے، یہ تاخیر میں کمی براہ راست GPU کے استعمال اور سسٹم کی مجموعی کارکردگی کو بہتر بناتی ہے۔ مائیکروسافٹ موجودہ سب سے بڑا تعینات کنندہ ہے، جو اپنے Azure نیٹ ورک پر 15,000 کلومیٹر کے منصوبوں کے ساتھ ہے۔

کیا AI-طاقت سے چلنے والی فائبر مانیٹرنگ پہلے سے استعمال میں ہے؟

جی ہاں AI-پر مبنی OTDR تجزیہ اور پیشین گوئی کی غلطی کا پتہ لگانے کو آج پروڈکشن نیٹ ورکس میں تعینات کیا گیا ہے۔ تحقیق-کی حمایت یافتہ نظام 96% سے زیادہ درستگی کے ساتھ فائبر کی خرابیوں کا پتہ لگاسکتے ہیں اور انہیں ذیلی-میٹر درستگی پر مقامی بنا سکتے ہیں۔ کئی ٹیلی کام آپریٹرز اور ڈیٹا سینٹر فراہم کرنے والوں نے دیکھ بھال کے اخراجات کو کم کرنے اور سروس میں رکاوٹوں کو روکنے کے لیے ان ٹولز کو اپنایا ہے۔

AI ڈیٹا سینٹرز میں فائبر کی کون سی اقسام استعمال ہوتی ہیں؟

زیادہ تر AI ڈیٹا سینٹرز طویل انٹر-بلڈنگ اور DCI لنکس کے لیے سنگل-موڈ فائبر (عام طور پر G.652.D) اور ریک قطاروں کے اندر مختصر-رینج کنکشن کے لیے OM4 یا OM5 ملٹی موڈ فائبر کا ایک مجموعہ استعمال کرتے ہیں۔ ہائی-کثافت والے ربن کیبلز اور MPO/MTP کنیکٹیویٹی ان ماحول کو درکار فائبر اسٹرینڈز کی بڑی تعداد کے انتظام کے لیے معیاری ہیں۔