تتزايد الحاجة إلى توفير قدرة عرض نطاق أكبر مع ازدياد عدد الأجهزة المتصلة، مما يجعل من الصعب إدارة الطيف اللاسلكي المتاح. ولتلبية هذه الحاجة، يعمل المهندسون على استخدام الذكاء الاصطناعي لإدارة الطيف اللاسلكي بشكل ديناميكي، مع التركيز على تقليل زمن الاستجابة وتعزيز الأداء. ومع ذلك، فإن معظم طرق الذكاء الاصطناعي الحالية تتطلب طاقة كبيرة ولا تعمل في الوقت الحقيقي.
معالج ضوئي مبتكر
طور باحثون من معهد ماساتشوستس للتكنولوجيا (MIT) معجلًا جديدًا للأجهزة المصممة خصيصًا لمعالجة الإشارات اللاسلكية. يقوم هذا المعالج الضوئي بتنفيذ عمليات التعلم الآلي بسرعة الضوء، حيث يصنف الإشارات اللاسلكية في غضون نانوثانية. يُعتبر هذا المعالج الضوئي أسرع بمعدل 100 مرة من أفضل البدائل الرقمية المتاحة، مع دقة تصل إلى حوالي 95%.
التطبيقات المحتملة في الجيل السادس
يمكن أن يكون هذا الجهاز مفيدًا بشكل خاص في تطبيقات الجيل السادس (6G) مثل الراديوهات الإدراكية التي تقوم بتحسين معدلات البيانات من خلال تعديل تنسيقات التعديل اللاسلكي وفقًا للبيئة المتغيرة. وبفضل تمكين الأجهزة من إجراء عمليات التعلم العميق في الوقت الحقيقي، قد يوفر هذا المعجل الضوئي تحسينات كبيرة في العديد من التطبيقات، مثل السيارات الذاتية القيادة والأجهزة الطبية الذكية.
تصميم مبتكر
قام الباحثون بتطوير هيكل شبكة عصبية ضوئية يسمى “MAFT-ONN” (شبكة عصبية ضوئية لتحويل الترددات التكرارية)، والتي تعالج الإشارات في المجال الترددي قبل تحويلها إلى بيانات رقمية. يتيح هذا التصميم إجراء جميع العمليات الخطية وغير الخطية في وقت واحد، مما يُحسن الكفاءة ويساعد في توسيع نطاق الشبكة العصبية بسهولة.
النتائج السريعة
عند اختبار هيكل MAFT-ONN، حقق المعالج دقة تصل إلى 85% في تصنيف الإشارات في عملية واحدة، مع إمكانية الوصول إلى دقة تزيد عن 99% باستخدام قياسات متعددة، حيث يتطلب إجراء العملية بأكملها حوالي 120 نانوثانية فقط.
آفاق مستقبلية
يتطلع الباحثون إلى استخدام تقنيات جديدة مثل التعددية لأداء المزيد من العمليات وزيادة سعة MAFT-ONN. كما يسعون لتوسيع أعمالهم لتشمل هياكل التعلم العميق الأكثر تعقيدًا التي يمكن أن تدعم نماذج التحويل (transformer models) أو نماذج اللغة الكبيرة (LLMs).
هذا العمل تم بدعم جزئي من مختبر أبحاث الجيش الأمريكي، وسلاح الجو الأمريكي، ومختبر لينكولن بMIT، وشركة Nippon Telegraph and Telephone، ومؤسسة العلوم الوطنية الأمريكية.
هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي.
