DomAktualnościChip mózgu mikrofalowej o niskiej mocy

Chip mózgu mikrofalowej o niskiej mocy

Zużywając poniżej 200 milionów, zapewnia szybką wydajność o niskiej mocy dla zadań od śledzenia radaru do AI-ogólno przekształcając informacje o przetwarzanie informacji inteligentnych urządzeń.




Naukowcy z Uniwersytetu Cornell zaprezentowali pierwszy w swoim rodzaju mikroczip-objęli „mózg mikrofalowy”-które mogą przetwarzać zarówno ultraszybkie strumienie danych, jak i sygnały komunikacji bezprzewodowej, jednocześnie zużywając mniej niż 200 miliarowatów mocy.Postęp wprowadza pierwszą w pełni zintegrowaną mikrofalową sieć neuronową na krzemie.

W przeciwieństwie do konwencjonalnych procesorów cyfrowych, które opierają się na instrukcjach krok po kroku, chip wykorzystuje analogowe, nieliniowe zachowanie mikrofalowe do obliczenia w czasie rzeczywistym w szerokich zakresach częstotliwości.Umożliwia to pomijanie wielu etapów przetwarzania sygnału wymaganych przez systemy cyfrowe, otwieranie nowych ścieżek aplikacji od śledzenia radaru po dekodowanie sygnału bezprzewodowego.


Chip działa jako sieć neuronowa, modelowana luźno na mózgu, przy użyciu wzajemnie połączonych trawnych falowodów, które wytwarzają wiele trybów.Zamiast dokładnie naśladować cyfrowe sieci neuronowe, jego projekt wykorzystuje programowalny „papkę” zachowań częstotliwościowych, które mogą wykonywać zarówno proste logiczne, jak i złożone zadania klasyfikacyjne.Procesor wykazał do 88% dokładności w identyfikacji typów sygnałów bezprzewodowych, dopasowywanie cyfrowych sieci neuronowych, ale z ułamkiem wymagań wielkości i zasilania.

Dlaczego to ma znaczenie
W przypadku branż zależnych od szybkiej analizy sygnałów technologia oferuje wydajność i elastyczność.Jego zdolność do dostosowania się do szerokiej częstotliwości oznacza, że jeden układ może zostać zmieniony do różnych zadań obliczeniowych bez dodatkowych obwodów lub mocy.Ekstremalna wrażliwość procesora sprawia, że nadaje się do bezpieczeństwa sprzętu - wykrywanie anomalii w wielu pasmach mikrofalowych.

Naukowcy widzą silne perspektywy obliczeń krawędzi.W przypadku dalszej optymalizacji energii układ może być osadzony w urządzeniach mobilnych, takich jak smartwatche i smartfony, umożliwiając szkolenie modelu lokalnego AI bez ciągłego polegania na serwerach chmur.Prace były wspólnie przez doktoranci Bal Govind i Maxwell Anderson, pod nadzorem profesorów Alyssy Apsel i Petera McMahona.Finansowane przez DARPA i wspierane przez Cornell Nanoscale Science and Technology Facility, wysiłek stanowi krok w kierunku skalowalnych platform komputerowych analogowo-mikrowa.Zespół wykazał, że radykalnie odmienne podejście może przynieść kompaktowe, o niskiej mocy i wysokiej wydajności procesory gotowe do przekształcenia obliczeń bezprzewodowych i wymagających danych.