انقلاب در فناوری ۶G با هوش مصنوعی فوتونی

تحول ۶G با بهره‌گیری از هوش مصنوعی فوتونی

افزایش بی‌سابقه ترافیک داده‌های جهانی، که معلول رشد شتابان شمار دستگاه‌های متصل و کاربردهای یادگیری عمیق است، زیرساخت‌های دیجیتال فعلی را با چالش‌های تازه‌ای روبه‌رو ساخته است. با نزدیک شدن به عصر ۶G و فراتر از آن، مهندسان با مسئله‌ای جدی مواجه هستند: تقاضای داده‌ها با شتابی بیش از توان تراشه‌های دیجیتال معمولی پیش می‌رود و قانون مور نیز نشانه‌هایی از کند شدن نشان داده است. به منظور مقابله با این فشارها، پژوهشگرانی در مؤسسه فناوری ماساچوست (MIT) فناوری نوآورانه‌ای را ارائه کرده‌اند که نوید تغییرات عمیق در حوزه ارتباطات بی‌سیم و هوش مصنوعی در لبه شبکه را می‌دهد.

معرفی MAFT-ONN: تراشه هوشمند فوتونی MIT در پردازش سیگنال‌های بی‌سیم

یک گروه چندرشته‌ای در MIT موفق به طراحی پردازنده هوشمندی با عنوان شبکه عصبی نوری تبدیل فرکانسی آنالوگ ضربی (MAFT-ONN) شده است. برخلاف تراشه‌های رایج، MAFT-ONN به طور کامل در حوزه آنالوگ عمل می‌کند و سیگنال‌های خام فرکانس رادیویی (RF) را به دقت و سرعت نور پردازش می‌نماید. این فناوری با اتکا به فوتونیک، امکان شتاب و کارایی بی‌مانندی را مهیا می‌سازد و از مراحل پرهزینه دیجیتالی‌سازی، که در شبکه‌های عصبی نوری کلاسیک موجب کندی می‌شود، صرف نظر می‌کند.

نحوه عملکرد MAFT-ONN: پردازش مبتنی بر دامنه فرکانس

در بسیاری از شبکه‌های عصبی نوری متداول، افزایش مقیاس مستلزم افزودن سخت‌افزار اضافی قابل توجهی است که منجر به بالا رفتن هزینه‌ها و پیچیدگی می‌شود. اما MAFT-ONN MIT این چالش را با انتقال سیگنال‌های RF به دامنه فرکانس پیش از هرگونه دیجیتالی‌سازی حل کرده است؛ به این صورت، تنها یک پردازنده نوری به‌ازای هر لایه می‌تواند همزمان عملیات‌های ریاضی خطی و غیرخطی را لحظه‌ای انجام دهد. به گفته دکتر رونالد دیویس سوم: «ما قادر هستیم ۱۰,۰۰۰ نورون را روی یک دستگاه جای دهیم و همه ضرب‌ها را به‌طور همزمان انجام دهیم.»

عملکرد: ثبت رکوردهای نوین در سرعت و دقت

کارایی MAFT-ONN بسیار قابل توجه است. در آزمایش‌های آزمایشگاهی، این فناوری دقتی تا ۹۵٪ را در طبقه‌بندی مدولاسیون بی‌سیم — که نقشی کلیدی در شبکه‌های ۶G ایفا می‌کند — ثبت کرد. همچنین این تراشه موفق شد با اجرای تقریباً چهار میلیون عملیات ضرب و جمع (MAC) تماما به‌صورت آنالوگ، با اطمینان رقم‌های دست‌نویس مجموعه داده MNIST را، که یکی از معیارهای تحقیق در شبکه‌های عصبی است، شناسایی کند.

هنگامی که دستگاه در نزدیکی حد ظرفیت شانون — بالاترین نرخ انتقال نظری اطلاعات — کار می‌کند، داده‌ها را صدها برابر سریع‌تر از دریافت‌کننده‌های RF سنتی پردازش می‌کند. این تراشه ظرف تنها ۱۲۰ نانوثانیه به دقت ۸۵٪ دست یافت و می‌تواند با گرفتن چند اندازه‌گیری بیشتر، دقتی بالاتر از ۹۹٪ کسب کند. دیویس توضیح می‌دهد: «هر چه زمان اندازه‌گیری بیشتر شود، دقت بالاتر می‌رود و چون MAFT-ONN استنتاج‌ها را در مقیاس نانوثانیه انجام می‌دهد، افزایش دقت باعث کاهش نرخ سرعت نخواهد شد.»

ویژگی‌های کلیدی و مزیت رقابتی

• پردازش فوتونی فوق‌سریع: عملکردی همتراز با سرعت نور و صد برابر سریع‌تر از تراشه‌های هوش مصنوعی دیجیتال.
• بازدهی انرژی چشمگیر: مصرف بسیار پایین‌تر انرژی که آن را برای دستگاه‌های محاسباتی لبه‌ای سیار ایده‌آل می‌سازد.
• ابعاد جمع‌وجور و مقرون‌به‌صرفه: سبکتر و کوچک‌تر از سامانه‌های متعارف و در نتیجه صرفه‌جویی در فضا و هزینه.
• قابلیت مقیاس‌پذیری بالا: امکان جای‌دهی هزاران نورون برای محاسبات موازی در بارکاری‌های پیچیده هوش مصنوعی.

برتری‌ها نسبت به پردازنده‌های دیجیتال هوش مصنوعی

برخلاف تراشه‌های سنتی که تحت محدودیت سرعت پردازش الکترونیکی و مصرف انرژی قرار دارند، ماهیت فوتونی MAFT-ONN امکان پردازش موازی با اتلاف بسیار اندک حرارت و انرژی را فراهم می‌آورد. این مزیت‌ها MAFT-ONN را به گزینه‌ای ایده‌آل برای دستگاه‌های لبه‌ای مانند رادیوهای شناختی مبدل کرده که برای تحلیل آنی سیگنال‌های بی‌سیم و تطبیق هوشمندانه مدولاسیون (جهت افزایش نرخ داده و کاهش تداخل) به سرعت بالا نیاز دارند.

گسترش کاربردها: فراتر از ارتباطات بی‌سیم

تاثیرگذاری MAFT-ONN MIT منحصر به مخابرات نمانده و می‌تواند در حوزه‌هایی که نیازمند استنتاج آنی و اطمینان‌بخش هوش مصنوعی هستند، انقلاب بیافریند. برخی از کاربردهای بالقوه عبارتند از:

• وسایل نقلیه خودران: امکان اتخاذ تصمیم‌های آنی در خودروهای هوشمند و افزایش ضریب ایمنی و پاسخ‌گویی.
• حوزه سلامت: قابلیت به‌کارگیری در ضربان‌سازهای هوشمند نسل جدید و پایش فوق‌سریع مستمر بیماران.
• اتوماسیون صنعتی: اجرای فوری کنترل کیفیت و شناسایی ناهنجاری‌ها در خطوط تولید.

در آینده، گروه MIT در پی افزودن طرح‌های چندپخشی برای ارتقای هرچه بیشتر توان محاسباتی و سازگار ساختن این معماری با مدل‌های بزرگ‌تر هوش مصنوعی مانند ترنسفورمرها و مدل‌های زبانی گسترده هستند تا زمینه استفاده MAFT-ONN را در صنایع پراثر گسترش دهند.

اهمیت بازار و افق پیش روی سخت‌افزار هوش مصنوعی ۶G

در دوره‌ای که رایانش لبه‌ای و شبکه‌های بی‌سیم مبتنی بر هوش مصنوعی ستون اصلی تحول دیجیتال به‌شمار می‌رود، راهکارهایی چون MAFT-ONN جهشی چشمگیر را نوید می‌دهند. پروفسور دیرک انگلوند از دپارتمان مهندسی برق و رایانش MIT نیز می‌گوید: «این کار سرآغاز تحولی است که می‌تواند بسیار اثرگذار باشد.» در صورت تولید انبوه، این فناوری قادر است زمینه ارتباطات ۶G، استنتاج امن هوش مصنوعی و ابتکارات آینده در عرصه‌هایی چون شهر هوشمند و فناوری پزشکی را دگرگون کند.

برای رهبران و متخصصان فناوری، تراشه فوتونی MIT نشان‌گر مسیری جدید به سوی سخت‌افزاری فوق‌سریع، کم‌مصرف و قابل گسترش است که می‌تواند با نیازهای فزاینده زیست‌بوم دیجیتال نسل آینده هماهنگ باقی بماند.