O crescimento do tráfego de dados a um ritmo vertiginoso, combinado com o abrandamento da Lei de Moore, está a criar um enorme desafio para o desenvolvimento das futuras redes de comunicação, como o 6G. Para responder a este problema, uma equipa do MIT (Massachusetts Institute of Technology) desenvolveu um processador fotónico que promete revolucionar o processamento de sinais sem fios.
Uma abordagem radicalmente nova: o MAFT-ONN
A equipa do MIT construiu um novo chip de Inteligência Artificial, batizado de MAFT-ONN (multiplicative analog frequency transform optical neural network), desenhado especificamente para sinais sem fios. A sua grande inovação é funcionar de forma inteiramente analógica, operando diretamente sobre os sinais de radiofrequência (RF) brutos.
Nos testes laboratoriais, o dispositivo demonstrou uma capacidade impressionante na classificação de modulação de sinais, atingindo rapidamente uma precisão de 95%. Além disso, executou quase quatro milhões de operações de multiplicação-acumulação, de forma totalmente analógica, para reconhecer com sucesso dígitos manuscritos da base de dados MNIST.
Como funciona este processador fotónico?
As redes neuronais óticas clássicas enfrentam frequentemente obstáculos de escalabilidade, resultando em hardware adicional e complexidade. O MAFT-ONN resolve este problema ao converter os sinais para o domínio da frequência antes de qualquer processo de digitalização.
Cada camada da rede utiliza um único processador ótico para executar tanto a matemática linear (operações diretas) como a não-linear (mais complexa) instantaneamente. "Conseguimos colocar 10.000 neurónios num único dispositivo e calcular as multiplicações necessárias de uma só vez," afirma Ronald Davis III, um dos investigadores do projeto.
Desempenho e eficiência que superam o digital
Graças à sua capacidade de mover dados em formato analógico perto do limite de Shannon (que define a taxa máxima de transmissão de informação num canal), o MAFT-ONN opera centenas de vezes mais rápido do que os recetores de RF convencionais. Numa única "foto" de 120 nanossegundos, o sistema atingiu 85% de precisão. Com algumas medições adicionais, a precisão pode ultrapassar os 99%.
"Quanto mais tempo se mede, maior a precisão que se obtém. Como o MAFT-ONN calcula as inferências em nanossegundos, não se perde muita velocidade para ganhar mais precisão," acrescenta Davis.
Comparado com os chips de IA digitais, este processador fotónico (baseado em luz) é cerca de 100 vezes mais rápido, consumindo muito menos energia. É também mais pequeno, mais leve e mais barato, tornando-o ideal para dispositivos de ponta (edge), como rádios cognitivos que ajustam os seus formatos de modulação em tempo real para aumentar as taxas de dados e reduzir interferências.
Aplicações para além das redes sem fios
A investigação, detalhada num artigo publicado na revista Science Advances e divulgada pelo MIT News, representa um avanço significativo. "Existem muitas aplicações que seriam possibilitadas por dispositivos de ponta capazes de analisar sinais sem fios. O que apresentámos no nosso artigo poderá abrir muitas possibilidades para inferência de IA fiável e em tempo real," afirma Dirk Englund, professor no MIT e autor sénior do artigo.
Levar a aprendizagem profunda à velocidade da luz poderia ter um impacto muito para além das comunicações. Poderia permitir que carros autónomos reajam num piscar de olhos ou que pacemakers inteligentes monitorizem continuamente a saúde do coração.
Como próximos passos, a equipa planeia adicionar esquemas de multiplexação para aumentar ainda mais a capacidade de computação e adaptar o design para modelos de IA maiores, como os transformers e os modelos de linguagem de grande escala (LLMs).
Nenhum comentário
Seja o primeiro!