Pesquisadores da Cornell desenvolveram um microchip de baixo consumo que eles chamam de "cérebro de micro-ondas", o primeiro processador a computar sinais de dados ultrarrápidos e sinais de comunicação sem fio, aproveitando a física das micro-ondas.
Detalhado em 14 de agosto na Nature Electronics, o processador é a primeira rede neural de micro-ondas verdadeiramente integrada a um microchip de silício. Ele realiza cálculos no domínio da frequência em tempo real para tarefas como decodificação de sinais de rádio, rastreamento de alvos por radar e processamento digital de dados, tudo isso consumindo menos de 200 miliwatts de energia.
"Como é capaz de distorcer de forma programável em uma ampla faixa de frequências instantaneamente, pode ser reutilizado para diversas tarefas computacionais", disse o autor principal, Bal Govind, MS '24, doutorando que conduziu a pesquisa com Maxwell Anderson '20, MS '24, também doutorando. "Ele ignora um grande número de etapas de processamento de sinais que os computadores digitais normalmente precisam realizar."
O microchip de baixa potência que os pesquisadores chamam de “cérebro de micro-ondas” é o primeiro processador a computar sinais de dados ultrarrápidos e sinais de comunicação sem fio, aproveitando a física das micro-ondas.
Essa capacidade é possibilitada pelo design do chip como uma rede neural, um sistema computacional modelado no cérebro, que utiliza modos interconectados produzidos em guias de ondas ajustáveis. Isso permite que ele reconheça padrões e aprenda com os dados. Mas, diferentemente das redes neurais tradicionais, que dependem de operações digitais e instruções passo a passo cronometradas por um relógio, esta rede utiliza comportamento analógico e não linear no regime de micro-ondas, permitindo-lhe processar fluxos de dados na casa das dezenas de gigahertz – muito mais rápido do que a maioria dos chips digitais.
“Bal abandonou muitos projetos de circuitos convencionais para alcançar isso”, disse Alyssa Apsel , diretora sênior da Escola de Engenharia Elétrica e de Computação Ellis L. Phillips, coautora sênior com Peter McMahon , professor associado de física aplicada e de engenharia. “Em vez de tentar imitar a estrutura das redes neurais digitais com exatidão, ele criou algo que se parece mais com uma mistura controlada de comportamentos de frequência que pode, em última análise, gerar computação de alto desempenho.”
O chip pode executar tanto funções lógicas de baixo nível quanto tarefas complexas, como identificar sequências de bits ou contar valores binários em dados de alta velocidade. Alcançou precisão igual ou superior a 88% em múltiplas tarefas de classificação envolvendo tipos de sinais sem fio, comparável às redes neurais digitais, mas com uma fração da potência e do tamanho.
“Em sistemas digitais tradicionais, à medida que as tarefas se tornam mais complexas, são necessários mais circuitos, mais potência e mais correção de erros para manter a precisão”, disse Govind. “Mas, com nossa abordagem probabilística, conseguimos manter alta precisão em cálculos simples e complexos, sem essa sobrecarga adicional.”
A extrema sensibilidade do chip a entradas o torna adequado para aplicações de segurança de hardware, como detecção de anomalias em comunicações sem fio em diversas bandas de frequências de micro-ondas, de acordo com os pesquisadores.
“Também achamos que, se reduzirmos mais o consumo de energia, podemos implantá-lo em aplicações como computação de ponta”, disse Apsel. “Você pode implantá-lo em um smartwatch ou celular e construir modelos nativos em seu dispositivo inteligente em vez de ter que depender de um servidor em nuvem para tudo.”
Embora o chip ainda seja experimental, os pesquisadores estão otimistas quanto à sua escalabilidade. Eles estão experimentando maneiras de melhorar sua precisão e integrá-lo às plataformas de processamento digital e de micro-ondas existentes.
O trabalho surgiu de um esforço exploratório dentro de um projeto maior apoiado pela Agência de Projetos de Pesquisa Avançada de Defesa e pelo Cornell NanoScale Science and Technology Facility, que é financiado em parte pela National Science Foundation.
Fonte: Cornell University
