Μια ομάδα ερευνητών από το Cornell University ανέπτυξε το πρώτο μικροτσίπ στον κόσμο που δεν βασίζεται σε κλασικά ψηφιακά κυκλώματα, αλλά σε μικροκύματα φέρνοντας μια ριζικά διαφορετική προσέγγιση στον τρόπο που γίνεται η επεξεργασία δεδομένων. Το αποτέλεσμα είναι ένα σύστημα πιο γρήγορο, πιο αποδοτικό και εξαιρετικά οικονομικό ενεργειακά.
Η νέα αυτή τεχνολογία περιγράφεται στη μελέτη που δημοσιεύθηκε στο περιοδικό Nature Electronics και παρουσιάζει το πρώτο πλήρως λειτουργικό Microwave Neural Network (MNN) σε μορφή chip. Η καινοτομία του είναι ότι χρησιμοποιεί κύματα μικροκυμάτων, δηλαδή αναλογικά σήματα του ηλεκτρομαγνητικού φάσματος, για να εκτελεί πράξεις που έως τώρα απαιτούσαν εκατομμύρια ψηφιακούς υπολογισμούς. Με αυτόν τον τρόπο μπορεί να επιτύχει επιδόσεις που ξεπερνούν εκείνες των παραδοσιακών CPUs, ενώ καταναλώνει λιγότερη ενέργεια από ένα κινητό τηλέφωνο.
Ο επικεφαλής της έρευνας, Bal Govind, διδακτορικός φοιτητής στο Cornell, εξηγεί ότι το σύστημα «μπορεί να αλλοιώνει το σήμα με προγραμματιζόμενο τρόπο σε ένα ευρύ φάσμα συχνοτήτων, και έτσι να προσαρμόζεται σε διαφορετικές εργασίες υπολογισμού». Με απλά λόγια, ο επεξεργαστής αυτός αποφεύγει πολλά στάδια ψηφιακής επεξεργασίας που απαιτούν οι παραδοσιακοί υπολογιστές, επιταχύνοντας σημαντικά το τελικό αποτέλεσμα.
Στο επίκεντρο του νέου επεξεργαστή βρίσκεται ένα αναλογικό νευρωνικό δίκτυο που χρησιμοποιεί κύματα μικροκυμάτων για να επεξεργάζεται δεδομένα. Αυτά τα κύματα σχηματίζουν ένα είδος «χτένας» συχνοτήτων, ένα μοτίβο με κανονικά διαστήματα μεταξύ των φασματικών γραμμών, το οποίο επιτρέπει εξαιρετικά ακριβείς μετρήσεις. Η αρχή λειτουργίας θυμίζει τον τρόπο που τα νευρωνικά δίκτυα της τεχνητής νοημοσύνης εντοπίζουν πρότυπα μέσα σε μεγάλα σύνολα δεδομένων, μόνο που εδώ η επεξεργασία γίνεται όχι ψηφιακά, αλλά ηλεκτρομαγνητικά.
Το σύστημα αποτελείται από συνδεδεμένους ηλεκτρομαγνητικούς κόμβους μέσα σε ρυθμιζόμενους κυματοδηγούς. Οι κόμβοι αυτοί «μαθαίνουν» να αναγνωρίζουν μοτίβα και να προσαρμόζονται σε νέα δεδομένα, λειτουργώντας ουσιαστικά ως ένας αναλογικός εγκέφαλος. Όπως εξηγούν οι ερευνητές, το MNN μπορεί να συλλαμβάνει και να επεξεργάζεται χαρακτηριστικά ενός σήματος μέσα σε ευρύ φάσμα συχνοτήτων, επιτυγχάνοντας ταυτόχρονα ταχύτητα και ακρίβεια.
Κατά τη διάρκεια των δοκιμών, το μικροκύμα-τσιπ απέδειξε ότι μπορεί να χειριστεί τόσο απλές λογικές πράξεις όσο και σύνθετους υπολογισμούς. Κατάφερε να αναγνωρίσει δυαδικές ακολουθίες και να εντοπίσει πρότυπα σε ροές δεδομένων υψηλής ταχύτητας με ποσοστό επιτυχίας 88%. Σε πολλές περιπτώσεις, ξεπέρασε τις επιδόσεις παραδοσιακών ψηφιακών επεξεργαστών.
Η βασική του δύναμη προέρχεται από την ταχύτητα των μικροκυμάτων. Ενώ οι οικιακοί επεξεργαστές λειτουργούν συνήθως στα 2,5 έως 4 GHz, το MNN επεξεργάζεται δεδομένα στην τάξη των δεκάδων gigahertz, δηλαδή έως και 20 δισεκατομμύρια πράξεις το δευτερόλεπτο. Αυτή η μετάβαση σε αναλογική επεξεργασία υψηλών συχνοτήτων του επιτρέπει να χειρίζεται σήματα σε πραγματικό χρόνο, κάτι κρίσιμο για εφαρμογές όπως η ραντάρ απεικόνιση ή οι ασύρματες επικοινωνίες νέας γενιάς.
Η συν-συγγραφέας της μελέτης, Alyssa Apsel, διευθύντρια του School of Electrical and Computer Engineering στο Cornell, σημειώνει ότι η ομάδα εγκατέλειψε πολλές από τις αρχές του συμβατικού σχεδιασμού κυκλωμάτων.
Αντί να προσπαθήσουμε να αντιγράψουμε τον τρόπο λειτουργίας των ψηφιακών νευρωνικών δικτύων, δημιουργήσαμε κάτι που μοιάζει περισσότερο με έναν ελεγχόμενο ‘χάος’ συχνοτήτων, το οποίο όμως προσφέρει υψηλές επιδόσεις υπολογισμού.
Η προσέγγιση αυτή βασίζεται στην πιθανότητα και όχι στην απόλυτη ακρίβεια, κάτι που επιτρέπει στον επεξεργαστή να διατηρεί υψηλά επίπεδα σωστών αποτελεσμάτων χωρίς την ανάγκη πολύπλοκης διόρθωσης σφαλμάτων ή επιπλέον κυκλωμάτων. Έτσι, η κατανάλωση ενέργειας μειώνεται δραματικά και η ταχύτητα αυξάνεται.
Η ενεργειακή απόδοση του νέου chip είναι ίσως το πιο εντυπωσιακό του χαρακτηριστικό. Με κατανάλωση κάτω από 200 milliwatts, δηλαδή λιγότερη από ένα πέμπτο του βατ, η ισχύς του αντιστοιχεί σε εκείνη ενός κοινού κινητού τηλεφώνου. Για σύγκριση, ένας τυπικός επεξεργαστής υπολογιστή χρειάζεται τουλάχιστον 65 watt.
Αυτό σημαίνει ότι η τεχνολογία θα μπορούσε να βρει εφαρμογή σε μικρές συσκευές ή wearables, όπου η χαμηλή κατανάλωση ενέργειας είναι κρίσιμη. Οι ερευνητές θεωρούν ότι το MNN είναι ιδανικό για εφαρμογές edge computing, δηλαδή για επεξεργασία δεδομένων απευθείας στη συσκευή, χωρίς αποστολή σε κεντρικό server, μειώνοντας έτσι την καθυστέρηση και αυξάνοντας την ασφάλεια. Παράλληλα, η τεχνολογία αυτή θα μπορούσε να ενισχύσει τη λειτουργία συστημάτων τεχνητής νοημοσύνης, προσφέροντας υψηλή υπολογιστική ισχύ με ελάχιστη ενεργειακή απαίτηση.
Οι επιστήμονες του Cornell ήδη εργάζονται στη βελτίωση του σχεδιασμού, με στόχο να μειώσουν τον αριθμό των κυματοδηγών και να καταστήσουν το chip πιο συμπαγές. Ένα μικρότερο τσιπ θα μπορούσε να αξιοποιεί αλληλένδετες «χτένες» συχνοτήτων, προσφέροντας ακόμη πλουσιότερη φασματική έξοδο και καλύτερη εκπαίδευση του νευρωνικού δικτύου.
Αν το MNN εξελιχθεί σε εμπορικά βιώσιμη τεχνολογία, θα μπορούσε να φέρει μια νέα εποχή στους υπολογιστές: συσκευές που λειτουργούν σε ταχύτητες δεκάδων gigahertz, καταναλώνουν ελάχιστο ρεύμα και μπορούν να «σκέφτονται» χωρίς να εξαρτώνται από το cloud.
[source]
