توسعه «مغز مایکروویوی»؛ نخستین شبکه عصبی مبتنی بر مایکروویو جهان

تراشه‌ای با قابلیت‌های بی‌نظیر

این پردازنده با توان مصرفی تنها ۲۰۰ میلی‌وات، محاسبات زمان واقعی را در حوزه فرکانس انجام می‌دهد و کاربردهای گسترده‌ای از جمله رمزگشایی سیگنال‌های رادیویی، ردیابی اهداف راداری و پردازش داده‌های دیجیتال دارد. به گفته بال گوویند، دانشجوی دکتری و نویسنده ارشد تحقیق، این تراشه می‌تواند به صورت آنی و قابل برنامه‌ریزی در طیف وسیعی از فرکانس‌ها تغییر شکل دهد و برای چندین کاربرد محاسباتی مختلف بازتخصیص یابد.

ماکسول اندرسون، دیگر دانشجوی دکتری تیم تحقیق، درباره توانایی تراشه در پردازش همزمان سیگنال‌های متعدد می‌گوید:

«این تراشه بسیاری از مراحل پردازش سیگنال را که کامپیوترهای دیجیتال معمولاً باید انجام دهند، دور می‌زند.»

عملکرد داخلی و مزایای «مغز مایکروویوی»

«مغز مایکروویوی» مانند شبکه‌های عصبی الهام‌گرفته از مغز انسان عمل می‌کند و از موج‌برهای ویژه‌ای برای اتصال اجزای خود استفاده می‌کند تا الگوها را شناسایی کرده و از داده‌ها بیاموزد. برخلاف تراشه‌های دیجیتال معمولی که دستورات را مرحله‌به‌مرحله و بر اساس ساعت سیستم پردازش می‌کنند، این تراشه از سیگنال‌های سریع آنالوگ در محدوده مایکروویو استفاده می‌کند و می‌تواند داده‌ها را در فرکانس‌های ده‌ها گیگاهرتز پردازش کند؛ سرعتی بسیار بالاتر از تراشه‌های دیجیتال رایج.

آلیسا آپسل، استاد مهندسی و نویسنده هم‌ارشد تحقیق، درباره طراحی تراشه توضیح می‌دهد:

«بال بسیاری از اصول طراحی مدارهای سنتی را کنار گذاشت تا به این دستاورد برسد. او به جای اینکه ساختار شبکه‌های عصبی دیجیتال را دقیقاً شبیه‌سازی کند، چیزی ایجاد کرده که بیشتر شبیه ترکیبی کنترل‌شده از رفتارهای فرکانسی است و در نهایت محاسباتی با عملکرد بالا ارائه می‌دهد.»

کاربردهای گسترده و آینده روشن

این تراشه قادر است طیف گسترده‌ای از عملیات، از محاسبات منطقی پایه تا وظایف پیچیده مانند شناسایی توالی بیت‌ها یا شمارش مقادیر باینری در داده‌های پرسرعت را انجام دهد. آزمایش‌ها نشان داده‌اند که تراشه در دسته‌بندی انواع سیگنال‌های بی‌سیم به دقت ۸۸ درصد و بالاتر دست یافته است که عملکردی مشابه شبکه‌های عصبی دیجیتال دارد، اما با مصرف انرژی و فضای بسیار کمتر.

گوویند در این‌باره می‌گوید:

«در سیستم‌های دیجیتال سنتی، هرچه وظایف پیچیده‌تر می‌شوند، به مدارهای بیشتری، توان مصرفی بالاتر و اصلاح خطا برای حفظ دقت نیاز است. اما با رویکرد احتمالاتی ما، می‌توانیم دقت بالایی را در محاسبات ساده و پیچیده بدون این اضافه‌بار حفظ کنیم.»

به دلیل حساسیت بالای تراشه به سیگنال‌های ورودی، محققان آن را برای انجام وظایف سخت‌افزاری ایده‌آل می‌دانند. این تراشه می‌تواند فعالیت‌های غیرمعمول در ارتباطات بی‌سیم را در طیف‌های مختلف فرکانس مایکروویو تشخیص دهد.

آپسل می‌افزاید:

«اگر مصرف انرژی را کاهش دهیم، می‌توانیم از این تراشه در کاربردهایی مانند محاسبات لبه‌ای استفاده کنیم. برای مثال، می‌توان آن را روی ساعت هوشمند یا تلفن همراه نصب کرد و مدل‌های محاسباتی را مستقیماً روی دستگاه اجرا کرد، بدون اینکه به سرورهای ابری وابسته باشیم.»

اگرچه تراشه در حال حاضر در مرحله آزمایشی قرار دارد، محققان نسبت به مقیاس‌پذیری آن اطمینان دارند و در حال بهبود دقت برای یکپارچه‌سازی آن با پلتفرم‌های پردازش مایکروویو و دیجیتال موجود هستند. نتایج این مطالعه در نشریه Nature Electronics منتشر شده است.