Light-Speed AI: Fotoniczny procesor MIT zrewolucjonizuje bezprzewodowe przetwarzanie sygnałów 6G

Eksplozja połączonych urządzeń i nasza codzienna zależność od płynnych, nieprzerwanych połączeń bezprzewodowych sprawiły, że przepustowość sieci bezprzewodowej znalazła się w centrum uwagi. Każdego dnia wszystko, od inteligentnych miast po pracę zdalną i przetwarzanie w chmurze, opiera się na tych niewidocznych sieciach. Jest jednak pewien haczyk: widmo bezprzewodowe, ten niezbędny szkielet, jest ograniczone. Efektywne zarządzanie nim nigdy nie było bardziej skomplikowane - ani ważniejsze.

Sztuczna inteligencja w centrum uwagi

Aby nadążyć za tym pędem, inżynierowie zwrócili się ku sztucznej inteligencji. Sztuczna inteligencja już teraz robi furorę, interpretując i klasyfikując sygnały bezprzewodowe w locie, zmniejszając opóźnienia i zwiększając wydajność. Jest jednak pewien szkopuł - większość obecnych modeli sztucznej inteligencji przetwarzających sygnały bezprzewodowe jest chciwa, jeśli chodzi o moc obliczeniową i energię. Utrudnia to ich wykorzystanie w czasie rzeczywistym, zwłaszcza w małych urządzeniach brzegowych, takich jak telefon lub czujnik IoT.

Niedawno zespół z MIT zaproponował nowe, obiecujące rozwiązanie: zbudowany na zamówienie optyczny akcelerator sprzętowy do bezprzewodowego przetwarzania sygnału. To nie jest zwykły procesor. Wykorzystuje on światło (fotony!) do obsługi obliczeń uczenia maszynowego z prędkością, która pozostawia cyfrowe chipy w kurzu. Rezultat? Sygnały bezprzewodowe są klasyfikowane niemal natychmiast.

Poznaj akcelerator fotonicznej sztucznej inteligencji

To, co jest naprawdę niezwykłe w tym chipie fotonicznym, to jego skok prędkości. Nie jest tylko trochę szybszy - podobno jest nawet 100 razy szybszy niż obecne wersje cyfrowe. Jest też ostry, poprawnie klasyfikując około 95 procent sygnałów, które widzi. Ponadto, ponieważ jest kompaktowy, energooszczędny, elastyczny i skalowalny, może wślizgnąć się do urządzeń wszędzie - od ogromnych centrów danych po urządzenia, które nosisz w kieszeni.

Potencjalne zastosowania są ogromne. Na przykład w przyszłych sieciach 6G, układ ten mógłby dostosowywać prędkość i niezawodność transmisji danych w czasie rzeczywistym, wybierając idealne ustawienia bezprzewodowe w locie. Ale to dopiero początek: wyobraźmy sobie urządzenia zdrowotne, takie jak inteligentne rozruszniki serca, które reagują na zmieniające się potrzeby pacjenta, lub autonomiczne pojazdy, które muszą interpretować swoje otoczenie i podejmować niemal natychmiastowe decyzje, aby zapewnić nam bezpieczeństwo. Uczenie się w czasie rzeczywistym na krawędzi może dosłownie uratować nam życie.

Jak to wszystko działa

Zagłębiając się w swój projekt, grupa MIT zbudowała nowy rodzaj optycznej sieci neuronowej, którą nazwali Multiplicative Analog Frequency Transform Optical Neural Network lub MAFT-ONN. Pod tą techniczną nazwą kryje się prosty pomysł: sieć obsługuje sygnały bezprzewodowe bezpośrednio w domenie częstotliwości, przed przekształceniem ich w dane cyfrowe. Pozwala to na szalenie szybkie i super wydajne obliczenia. W przeciwieństwie do innych metod optycznych, które wymagają oddzielnego sprzętu dla każdej “jednostki” neuronowej, MAFT-ONN może obsługiwać do 10 000 neuronów w jednym urządzeniu, dzięki podejściu zwanemu mnożeniem fotoelektrycznym. Oznacza to, że uzyskuje więcej mocy - i więcej mózgów - przy mniejszym rozdęciu.

Jak dobrze to działa? We wczesnych symulacjach, MAFT-ONN dokonał klasyfikacji sygnału bezprzewodowego z około 85-procentową dokładnością na początku i poprawił się do ponad 99 procent przy większej liczbie pomiarów - a wszystko to w mgnieniu oka (zaledwie 120 nanosekund na klasyfikację). Jak ujął to jeden z badaczy: “Im dłużej mierzysz, tym wyższą dokładność uzyskasz”. Ponieważ MAFT-ONN oblicza wnioski w nanosekundach, nie tracisz dużej prędkości, aby uzyskać większą dokładność".”

Co dalej? Zespół MIT chce rozszerzyć możliwości chipu, stawiając czoła jeszcze bardziej wyrafinowanym modelom sztucznej inteligencji i większym wyzwaniom. Był to ogromny wysiłek oparty na współpracy, wspierany przez organizacje takie jak U.S. Army Research Lab, MIT Lincoln Laboratory i inne.

Chcesz dowiedzieć się więcej? Możesz zagłębić się w oryginalną historię na stronie MIT News.