Entwicklungsaufträge für Open6GHub+

<div class="h1">Titel</div> <div class="pre">Unterauftrag Ende-zu-Ende Ethernet-Anbindung in das 6G Netz auf Basis des 300GHz-Experimentierfelds</div> <div class="h1">Beschreibung</div> <div class="pre">a) Ende-zu-Ende Ethernet-Anbindung in das 6G-Netz auf Basis des 300 GHz-Experimentierfelds Projektziel: Technologieentwicklung & Experimentelle Untersuchung Anforderungen: 1) Umfassende Überarbeitung und Untersuchung des bestehenden 300 GHz-Experimentalfeld und Untersuchung seiner Leistungsfähigkeit im Vollduplex-Ende-zu-Ende-Betrieb 2) Entwicklung adaptiver Signalformen zur optimalen Nutzung der RF-Bandbreite (253-325 GHz) gemäß IEEE802.15.3d 3) Getrennte Optimierung der bestehenden Hardware-Plattformen des 300 GHz-Experimentalfelds: a. Opto-elektrische Schnittstelle b. THz-Frontend b) Langzeit-Outdoor-Betrieb und Analyse von Einsatzmöglichkeiten des 300 GHz-Experimentierfelds im 6G-Netz Projektziel: Systemoptimierung & Integration Anforderungen: 1) Kombination beider entwickelten Systeme aus a) auf Grundlage des 300 GHz-Experimentalfelds zu einem gemeinsamen Testbed. Geplante KPIs: a. 1 Tbit/s Datenrate bei b. bis zu 1 km Distanz. 2) Integration der entwickelten Technologieplattform und den Vorarbeiten in ein zukünftiges 6G-Netzwerk: a. Faseroptische Schnittstellen b. THz-Transceiver c. Richtfunkantennen 3) Experimentellen Validierung des Betrieb und der Funktionalität unter realistischen Bedingungen a) Entwicklung energieeffizienter Detektoren Projektziel: Entwicklung und Verbesserung ML-basierter Detektionsverfahren zur Steigerung von Performanz, Energieeffizienz, Adaptivität und Robustheit Anforderungen: 1) Optimierung und Weiterentwicklung der Detektoren: a. Bestehende ML-basierte Detektoren sollen verbessert und neu entworfen werden b. Unabhängigkeit von der genauen Signalstruktur soll erreicht werden 2) Effiziente Verarbeitung kurzer Übertragungen a. Verfahren zur optimalen Verarbeitung kurzer Datenübertragungen sollen entwickelt werden b. Reduzierte Pilotenoverheads und Integration der Payload in die Kanalschätzung als Randbedingung 3) Robustheit, Adaptivität und Interpretierbarkeit: a. Zuverlässige Verfügbarkeit und Funktionsweise der entwickelten Detektoren in verschiedenen Szenarien (z. B. hohe Mobilität, Hardware-Nichtlinearitäten) b. Entwickelte Detektoren sollen adaptive Ansätze (z. B. Online-Learning) berücksichtigen b) Erforschung eines "Unified" Kanalcodes Projektziel: Entwicklung eines flexiblen "Unified Code"-Konzepts als einheitliche Kanalcode-Familie, die verschiedene Kommunikationsszenarien effizient abdeckt Anforderungen: 1) Entwicklung eines flexiblen Code- und Decoder-Designs: a. Gemeinsamer Entwurf des Kanalcodes und Decoders ("Hand-in-Hand") b. Sicherstellung eines einheitlicher Ansatz für Daten- und Kontrollkanäle und Reduktion der Komplexität des Standards 2) Untersuchung und Optimierung von LDPC- und Polarcodes: a. Untersuchung von LDPC-Codes insbesondere das Paritätsmatrix-Design und Umsetzung von Verbesserungen bei kurzen Blocklängen b. Entwicklung von Mechanismen für Polarcodes, um eine größere Bandbreite an Fehlerkorrekturleistungen bei vertretbarer Komplexität abdecken zu können 3) Ermöglichung des adaptiven Trade-offs im Betrieb: a. Ermöglichung der flexiblen Anpassung des System an unterschiedliche Szenarien b. Erreichung z.B. durch Einsatz von unterschiedlichen Decodieralgorithmen, um gezielt Trade-offs zwischen Performanz, Latenz und Energieverbrauch zu steuern c) Decoder Design Projektziel: Entwicklung und Evaluierung leistungsfähiger, flexibler Decoder-Algorithmen, die optimal mit dem jeweiligen Kanalcode zusammenarbeiten und universell in unterschiedlichen Szenarien einsetzbar sind Anforderungen: 1) Gemeinsames Design und Evaluation von Code und Decoder: a. Bestehende Decoder sollen evaluiert und neue Algorithmen entwickelt werden b. Konsequente gemeinsame Betrachtung und Optimierung von Kanalcode und Decoder 2) Untersuchung und Weiterentwicklung moderner Decodieransätze: a. Ensemble-Decoding: Parallele Decoder mit Auswahl des besten Ergebnisses b. Belief-Propagation: Universelle Decoder sollen analysiert und verbessert werden, insbesondere hinsichtlich Paritätsmatrix-Design bei kurzen Blocklängen 3) Optimierung und Erweiterung universeller Decodierkonzepte: a. Erforschung neuer Ansätze wie Reinforcement Learning zur Optimierung von Decodergraphen sowie Listendecodierung b. Einbindung effizienter Nutzung von Listeninformationen zur Verbesserung der Fehlerraten und Systemintegration</div> <div class="h1">Interne Kennung</div> <div class="pre">1</div>