С древнейших времён и до наших дней известны удачные примеры аналоговых вычислителей, которые для решения некоторых задач оказываются проще и эффективнее цифровых платформ. Сильнейшая сторона «цифры» — её универсальность. Но, возможно, пришло время создавать специализированные платформы? Этого требует экономия энергии и эффективность, что особенно важно для миниатюрных и интегрированных решений, о чём вспомнили учёные из США.

Пять причин полюбить HONOR 400

HUAWEI Pura 80 Ultra глазами фотографа

Обзор смартфона HUAWEI Pura 80 Ultra: зум, которому нет равных

Обзор ноутбука Acer Swift Go 14 (SFG14-63-R7T4) с процессором Ryzen 9 8945HS и OLED-экраном

Обзор смартфона HONOR 400: реаниматор

Обзор рейтингового режима Warface: просто освоиться, сложно оторваться

Источник изображения: Cornell University

Так, исследователи из Корнеллского университета (Cornell University) разработали удивительный микрочип, который они назвали «микроволновым мозгом». Это первый процессор, способный одновременно обрабатывать данные на высочайшей частоте и беспроводные сигналы, используя физику микроволн. Чип представляет собой полностью интегрированную микроволновую нейронную сеть на кремниевой основе.

Этот микропроцессор способен выполнять вычисления в области высоких частот в реальном времени для таких задач, как декодирование радиосигналов, отслеживание целей радаром и обработка данных, потребляя при этом менее 200 мВт на частотах в десятки ГГц. Учёные уверены, что эта разработка знаменует собой значительный прорыв в области энергоэффективных вычислений.

В отличие от традиционных цифровых процессоров, которые полагаются на синхронизированные по тактовому сигналу пошаговые операции, «микроволновый мозг» использует аналоговое нелинейное поведение в микроволновом диапазоне. Это позволяет обрабатывать потоки данных на частотах в десятки гигагерц, что значительно превосходит возможности большинства цифровых чипов. Архитектура чипа напоминает структуру человеческого мозга: нейронная сеть построена на взаимосвязанных управляемых волноводах, которые распознают шаблоны и обучаются на основе данных. В цифровых системах реализация подобной функциональности потребовала бы чрезвычайно сложной схемотехники, что резко увеличило бы задержки и энергопотребление.

Для своих размеров чип демонстрирует высокие показатели: тесты показали 88 % точности при классификации типов беспроводных сигналов с использованием набора данных RadioML2016.10A. Он способен выполнять как простые логические вычисления, так и более сложные задачи — например, определять последовательности битов или подсчитывать двоичные значения в высокоскоростных потоках данных. Благодаря высокой чувствительности к входным сигналам, чип хорошо подходит для задач аппаратной безопасности, таких как обнаружение аномалий в беспроводных коммуникациях на нескольких частотных диапазонах.

Исследователи отмечают, что дальнейшее снижение энергопотребления позволит использовать чип в устройствах для периферийных вычислений, таких как смарт-часы или смартфоны, обеспечивая локальную обработку данных без подключения к облачным серверам.

Хотя чип пока находится на стадии экспериментальных исследований, учёные оптимистично оценивают его масштабируемость и возможность интеграции с существующими микроволновыми и цифровыми платформами. Работа выполнена в рамках проекта, поддержанного Агентством перспективных оборонных исследований (DARPA). Она ясно подчёркивает потенциал использования физики микроволн для создания компактных, энергоэффективных устройств, которые способны изменить подход к вычислениям и коммуникациям, делая их быстрее и менее зависимыми от облачных технологий.

По заказу военных США инженеры и программисты намерены воспроизвести в электронике зрительную систему мозга, чтобы создать новые инструменты искусственного интеллекта для управления автономными системами. Цифровые платформы и нейронные сети показали низкую энергоэффективность в сфере автопилотирования, поэтому для решения подобных задач учёные планируют разработать аналоговую электронику и новые инструменты программирования.

Обзор смартфона HONOR 400: реаниматор

HUAWEI Pura 80 Ultra глазами фотографа

Обзор смартфона HUAWEI Pura 80 Ultra: зум, которому нет равных

Обзор ноутбука Acer Swift Go 14 (SFG14-63-R7T4) с процессором Ryzen 9 8945HS и OLED-экраном

Пять причин полюбить HONOR 400

Обзор рейтингового режима Warface: просто освоиться, сложно оторваться

Источник изображения: ИИ-генерация Grok 3/3DNews

Контракт на разработку получил Рочестерский университет (University of Rochester). Соглашение заключено с Агентством перспективных оборонных исследовательских проектов (DARPA) на сумму $7,2 млн, которая будет выплачиваться в течение последующих 4,5 лет. В рамках проекта исследователи должны создать новую элементную базу и программное обеспечение для реализации так называемого предиктивного кодирования — подхода, основанного на биологических принципах работы человеческого мозга.

Сети предиктивного кодирования (predictive coding networks) — это модели в области машинного обучения и нейронаук, основанные на концепции предсказания данных. Согласно этой теории, мозг (или модель) постоянно формирует прогнозы относительно входящих сенсорных сигналов и минимизирует ошибку предсказания, сравнивая ожидаемую и фактическую информацию. В контексте искусственных нейронных сетей такие модели часто используются в задачах компьютерного зрения и обработки естественного языка.

Контракт предполагает достижение результата, при котором аналоговая система будет способна распознавать статические цифровые изображения. Если исследователям удастся добиться производительности, сопоставимой с существующими цифровыми решениями, то разработка сможет применяться в более сложных задачах, связанных с восприятием — в частности, в беспилотных автомобилях и автономных дронах.

«Исследования нейробиологов показали, что механизм обратного распространения ошибки, лежащий в основе современных нейронных сетей, биологически неправдоподобен – системы восприятия нашего мозга работают иначе, — пояснил Майкл Хуанг (Michael Huang), профессор Рочестерского университета. — Чтобы решить эту проблему, мы задались вопросом: как это делает мозг? Преобладающей теорией стало предиктивное кодирование, предполагающее иерархический процесс прогнозирования и корректировки. Представьте, что вы перефразируете услышанное, сообщаете это говорящему и используете его ответ как обратную связь для уточнения своего понимания».

Важно подчеркнуть, что, несмотря на новизну подхода, система будет базироваться на проверенных временем технологиях производства полупроводников. В частности, планируется использовать существующие техпроцессы, такие как комплементарная металл-оксид-полупроводниковая структура (КМОП).

Группа учёных с факультета инженерии и прикладных наук Пенсильванского университета разработала новый чип, который для выполнения сложных математических операций использует не электричество, а световые волны. Кремниево-фотонный чип можно выпускать на современном оборудовании и использовать его, например, в качестве сопроцессора для GPU в задачах, связанных с машинным обучением.

Пять причин полюбить HONOR 400

Обзор рейтингового режима Warface: просто освоиться, сложно оторваться

Обзор смартфона HUAWEI Pura 80 Ultra: зум, которому нет равных

HUAWEI Pura 80 Ultra глазами фотографа

Обзор смартфона HONOR 400: реаниматор

Обзор ноутбука Acer Swift Go 14 (SFG14-63-R7T4) с процессором Ryzen 9 8945HS и OLED-экраном

Источник изображения: ИИ-генерация Кандинский 3.0/3DNews

Учёные создали и испытали чип на операциях векторно-матричного умножения для матриц 2 × 2 и 3 × 3. Также была показана возможность работы матрицы 10 × 10. Эти примеры продемонстрировали, что предложенные методы обладают потенциалом для создания крупномасштабных аналоговых вычислительных платформ на основе световых волн, о чём учёные рассказали в статье в журнале Nature Photonics.

В основе работы лежит доказательство концепции изготовления волноводов и аморфных линз непосредственно на кремниевой пластине с помощью стандартных техпроцессов травления и обработки пластин. Традиционные методы изготовления метаструктур страдают такими ограничениями, как узкая полоса пропускания и высокая чувствительность к ошибкам изготовления. В частности, это ограничивает масштабирование подобных архитектур.

Вместо того чтобы использовать кремниевую пластину одинаковой высоты, объясняют разработчики, «вы делаете кремний тоньше, скажем, на 150 нанометров», но только в определенных областях. Эти изменения высоты без добавления каких-либо других материалов обеспечивают средство контроля над распространением света через чип, поскольку изменения высоты могут быть распределены таким образом, чтобы свет рассеивался определенным образом, позволяя чипу выполнять математические вычисления со скоростью света.

Проще говоря, в кремнии протравливаются волноводы и создаётся система линзирования, которые обеспечат прохождение светового сигнала по лабиринту волноводов с жёстко заданным алгоритмом и в зависимости от сигналов на входе получится определённый результат. Таким сопроцессором можно дооснастить обычный графический процессор, чтобы разгрузить его от энергозатратных операций векторно-матричного умножения и, таким образом, ускорить вычисления для задач искусственного интеллекта и машинного обучения.