MIT తన కొత్త “100 రెట్లు వేగంగా” చిప్‌తో ఆశ్చర్యపరిచే లైట్-స్పీడ్ 6 జి ప్రాసెసింగ్‌ను చూస్తుంది
డేటా ట్రాఫిక్ దాదాపు అబ్బురపరిచే వేగంతో పెరుగుతోంది. డేటా రేట్లు మరియు స్పెక్ట్రం అవసరాలు రెండూ విపరీతంగా పెరుగుతున్నాయని ఎడ్హోమ్ యొక్క చట్టం చూపిస్తుంది. అదే సమయంలో, మూర్ యొక్క చట్టం మందగించినట్లే లోతైన నాడీ నెట్‌వర్క్‌లు మరింత కంప్యూటింగ్ శక్తిని పెంచుతున్నాయి. ఈ అసమతుల్యత ఇంజనీర్లను 6 జి వంటి భవిష్యత్ నెట్‌వర్క్‌లను నిర్వహించడానికి కొత్త మార్గాల కోసం వేటాడింది.
MIT (మసాచుసెట్స్ ఇన్స్టిట్యూట్ ఆఫ్ టెక్నాలజీ) లోని ఒక బృందం వైర్‌లెస్ సిగ్నల్స్ కోసం రూపొందించిన కొత్త AI చిప్‌ను నిర్మించింది. వారి పరికరాన్ని గుణకారం అనలాగ్ ఫ్రీక్వెన్సీ ట్రాన్స్ఫార్మ్ ఆప్టికల్ న్యూరల్ నెట్‌వర్క్ (MAFT-ONN) అంటారు. ఇది రా రేడియో-ఫ్రీక్వెన్సీ (RF) సిగ్నల్‌లపై అనలాగ్ రూపంలో పూర్తిగా పనిచేస్తుంది. ల్యాబ్ పరీక్షలలో ఇది మాడ్యులేషన్ వర్గీకరణను నిర్వహించింది, ఇది త్వరగా 95 శాతం ఖచ్చితత్వానికి చేరుకుంది. MNIST (సవరించిన నేషనల్ ఇన్స్టిట్యూట్ ఆఫ్ స్టాండర్డ్స్ అండ్ టెక్నాలజీ) డేటాసెట్ నుండి చేతితో రాసిన అంకెలను గుర్తించడానికి ఇది దాదాపు నాలుగు మిలియన్ల పూర్తిగా అనలాగ్ గుణకారం-గణన కార్యకలాపాలను నిర్వహించింది.
క్లాసికల్ ఆప్టికల్ న్యూరల్ నెట్‌వర్క్‌లు తరచూ స్కేలింగ్ పైకి రోడ్‌బ్లాక్‌లను తాకి, చాలా అదనపు హార్డ్‌వేర్‌తో ముగుస్తాయి. ఏదైనా డిజిటలైజింగ్ జరిగే ముందు సిగ్నల్స్ సిగ్నల్స్ ఫ్రీక్వెన్సీ డొమైన్‌గా మార్చడం ద్వారా మాఫ్ట్-ఓన్ దీనిని పరిష్కరిస్తుంది. ప్రతి పొర ఒకే ఆప్టికల్ ప్రాసెసర్‌ను ఉపయోగిస్తుంది, స్ట్రెయిట్-లైన్ (లీనియర్) మరియు స్పాట్‌లో మరింత సంక్లిష్టమైన (నాన్ లీనియర్) గణితాన్ని రెండింటినీ చేయడానికి. “మేము ఒకే పరికరంలో 10,000 న్యూరాన్లను అమర్చవచ్చు మరియు అవసరమైన గుణకారాలను ఒకే షాట్‌లో లెక్కించవచ్చు” అని రోనాల్డ్ డేవిస్ III పిహెచ్‌డి ’24 చెప్పారు.
షానన్ సామర్థ్య పరిమితికి సమీపంలో ఉన్న అనలాగ్ రూపంలో డేటాను తరలించినందుకు ధన్యవాదాలు (ఇది కమ్యూనికేషన్ ఛానెల్ ద్వారా ప్రసారం చేయగల గరిష్ట సమాచారాన్ని నిర్వచిస్తుంది), మాఫ్ట్-ఓన్ సాధారణ RF రిసీవర్ల కంటే వందల రెట్లు వేగంగా నడుస్తుంది. ఒకే 120-నానోసెకండ్ షాట్‌లో ఇది 85 శాతం ఖచ్చితత్వాన్ని తాకింది. మరికొన్ని కొలతలు తీసుకోవడం ద్వారా అది 99 శాతానికి పైగా ఎక్కవచ్చు. “మీరు ఎక్కువసేపు కొలుస్తారు, మీకు ఎక్కువ ఖచ్చితత్వం లభిస్తుంది. మాఫ్ట్-ఓన్ నానోసెకన్లలో అనుమానాలను లెక్కించినందున, మీరు మరింత ఖచ్చితత్వాన్ని పొందడానికి ఎక్కువ వేగాన్ని కోల్పోరు” అని డేవిస్ జతచేస్తాడు.
డిజిటల్ AI చిప్‌లతో పోలిస్తే, ఈ ఫోటోనిక్ (ఇది కాంతి ఆధారంగా ఉన్నందున) ప్రాసెసర్ 100 రెట్లు వేగంగా ఉంటుంది, అయితే చాలా తక్కువ శక్తిని సిప్ చేస్తుంది. ఇది కూడా చిన్నది, తేలికైనది మరియు చౌకైనది. ఇది కాగ్నిటివ్ రేడియోలు వంటి ఎడ్జ్ గాడ్జెట్‌లకు సహజంగా సరిపోయేలా చేస్తుంది, ఇది డేటా రేట్లను అధికంగా నెట్టడానికి మరియు కట్ జోక్యం చేసుకోవడానికి వారి మాడ్యులేషన్ ఫార్మాట్‌లను నిజ సమయంలో సర్దుబాటు చేస్తుంది.
“వైర్‌లెస్ సిగ్నల్‌లను విశ్లేషించగల ఎడ్జ్ పరికరాల ద్వారా ప్రారంభించబడే అనేక అనువర్తనాలు ఉన్నాయి. మా కాగితంలో మేము సమర్పించినవి నిజ-సమయ మరియు నమ్మదగిన AI అనుమితి కోసం అనేక అవకాశాలను తెరుస్తాయి. ఈ పని చాలా ప్రభావవంతమైనదిగా ఉంటుంది” అని ఎలక్ట్రికల్ ఇంజనీరింగ్ మరియు సైన్స్ యొక్క సీనియర్ రచయిత ప్రొఫెసర్ డిర్క్ ఇంగ్లండ్ చెప్పారు.
కాంతి వేగంతో లోతైన అభ్యాసాన్ని నెట్టడం వైర్‌లెస్‌కు మించి సహాయపడుతుంది. ఇది స్వీయ-డ్రైవింగ్ కార్లు కంటి రెప్పలో స్పందించడానికి అనుమతించవచ్చు లేదా స్మార్ట్ పేస్‌మేకర్స్ గుండె ఆరోగ్యాన్ని నిరంతరం చూడటానికి అనుమతిస్తుంది. తరువాత, గణనను మరింత పెంచడానికి మరియు ట్రాన్స్ఫార్మర్లు మరియు పెద్ద భాషా నమూనాలు వంటి పెద్ద AI మోడళ్ల కోసం డిజైన్‌ను స్వీకరించడానికి మరియు మల్టిప్లెక్సింగ్ పథకాలను జోడించాలని బృందం యోచిస్తోంది.
మూలం: MIT న్యూస్, సైన్స్ అడ్వాన్సెస్
ఈ వ్యాసం AI నుండి కొంత సహాయంతో రూపొందించబడింది మరియు ఎడిటర్ సమీక్షించారు. కింద కాపీరైట్ చట్టం 1976 లోని సెక్షన్ 107ఈ పదార్థం న్యూస్ రిపోర్టింగ్ యొక్క ప్రయోజనం కోసం ఉపయోగించబడుతుంది. సరసమైన ఉపయోగం అనేది కాపీరైట్ శాసనం ద్వారా అనుమతించబడిన ఉపయోగం, లేకపోతే ఉల్లంఘించవచ్చు.
