Bộ xử lý quang tử có thể đơn giản hóa việc xử lý tín hiệu không dây 6G

Các nhà nghiên cứu tại MIT đã phát triển một bộ xử lý quang tử mới, được thiết kế đặc biệt cho xử lý tín hiệu không dây, có thể thực hiện các tác vụ học máy ở tốc độ ánh sáng, phân loại tín hiệu không dây chỉ trong vài nanogiây.

Các kỹ sư đang áp dụng trí tuệ nhân tạo để quản lý linh hoạt phổ tần không dây, nhằm giảm độ trễ và tăng hiệu suất. Tuy nhiên, hầu hết các phương pháp AI hiện tại để phân loại và xử lý tín hiệu không dây tiêu tốn nhiều năng lượng và không thể hoạt động theo thời gian thực.

Giờ đây, các nhà nghiên cứu tại MIT đã phát triển một bộ tăng tốc phần cứng AI mới, được thiết kế đặc biệt cho xử lý tín hiệu không dây. Bộ xử lý quang của họ thực hiện các phép tính học máy ở tốc độ ánh sáng, phân loại tín hiệu không dây chỉ trong vài nanogiây.

Con chip quang tử này nhanh hơn khoảng 100 lần so với các giải pháp kỹ thuật số tốt nhất hiện nay, đồng thời đạt độ chính xác khoảng 95% trong việc phân loại tín hiệu. Bộ tăng tốc phần cứng mới này cũng có khả năng mở rộng và linh hoạt, vì vậy nó có thể được sử dụng cho nhiều ứng dụng điện toán hiệu năng cao khác nhau. Đồng thời, nó nhỏ hơn, nhẹ hơn, rẻ hơn và tiết kiệm năng lượng hơn so với các bộ tăng tốc phần cứng AI kỹ thuật số.

Thiết bị này đặc biệt hữu ích trong các ứng dụng không dây 6G tương lai, chẳng hạn như các radio nhận thức (cognitive radio) tối ưu hóa tốc độ truyền dữ liệu bằng cách điều chỉnh các định dạng điều chế không dây phù hợp với môi trường không dây thay đổi.

Bằng cách cho phép thiết bị biên thực hiện các phép tính học sâu theo thời gian thực, bộ tăng tốc phần cứng mới này có thể mang lại tốc độ vượt trội cho nhiều ứng dụng khác ngoài xử lý tín hiệu. Ví dụ, nó có thể giúp xe tự lái phản ứng tức thời với những thay đổi của môi trường hoặc cho phép máy tạo nhịp tim thông minh giám sát liên tục tình trạng tim của bệnh nhân.

Xử lý ở tốc độ ánh sáng

Các bộ tăng tốc AI kỹ thuật số tiên tiến nhất cho xử lý tín hiệu không dây sẽ chuyển đổi tín hiệu thành hình ảnh và chạy qua mô hình học sâu để phân loại. Mặc dù cách tiếp cận này rất chính xác, bản chất tính toán chuyên sâu của các mạng nơ-ron sâu khiến nó không khả thi cho nhiều ứng dụng cần xử lý tức thời.

Hệ thống quang học có thể tăng tốc mạng nơ-ron sâu bằng cách mã hóa và xử lý dữ liệu bằng ánh sáng, đồng thời tiêu tốn ít năng lượng hơn so với tính toán kỹ thuật số. Tuy nhiên, các nhà nghiên cứu đã gặp khó khăn trong việc tối ưu hóa hiệu suất của các mạng nơ-ron quang học đa năng khi dùng cho xử lý tín hiệu, đồng thời đảm bảo thiết bị quang có khả năng mở rộng.

Bằng cách phát triển kiến trúc mạng nơ-ron quang học dành riêng cho xử lý tín hiệu, mà họ gọi là Mạng nơ-ron quang học biến đổi tần số tương tự nhân bội (MAFT-ONN), các nhà nghiên cứu đã giải quyết trực tiếp vấn đề này.

MAFT-ONN giải quyết vấn đề khả năng mở rộng bằng cách mã hóa tất cả dữ liệu tín hiệu và thực hiện mọi thao tác học máy trong cái gọi là miền tần số — trước khi các tín hiệu không dây được số hóa.

Các nhà nghiên cứu đã thiết kế mạng nơ-ron quang học của họ để thực hiện tất cả các phép toán tuyến tính và phi tuyến tính một cách nối tiếp. Cả hai loại thao tác này đều cần thiết cho học sâu.

Nhờ thiết kế sáng tạo này, họ chỉ cần một thiết bị MAFT-ONN cho mỗi lớp của toàn bộ mạng nơ-ron quang học, thay vì các phương pháp khác cần một thiết bị riêng cho mỗi đơn vị tính toán riêng lẻ, hay “nơ-ron.”

Các nhà nghiên cứu đạt được điều này bằng một kỹ thuật gọi là nhân quang điện (photoelectric multiplication), giúp tăng đáng kể hiệu suất. Nó cũng cho phép họ tạo ra mạng nơ-ron quang học có thể dễ dàng mở rộng thêm nhiều lớp mà không cần thêm chi phí phụ.

Kết quả trong vài nanogiây

MAFT-ONN nhận tín hiệu không dây làm đầu vào, xử lý dữ liệu tín hiệu và chuyển thông tin cho các thao tác tiếp theo mà thiết bị biên sẽ thực hiện. Ví dụ, bằng cách phân loại điều chế tín hiệu, MAFT-ONN sẽ cho phép thiết bị tự động suy luận loại tín hiệu để trích xuất dữ liệu mà nó mang theo.

Khi họ thử nghiệm kiến trúc của mình trên nhiệm vụ phân loại tín hiệu trong mô phỏng, mạng nơ-ron quang học đạt độ chính xác 85% chỉ trong một lần chạy, và có thể nhanh chóng hội tụ lên hơn 99% bằng cách đo lường nhiều lần. MAFT-ONN chỉ mất khoảng 120 nanogiây để thực hiện toàn bộ quá trình.

Trong khi các thiết bị tần số vô tuyến kỹ thuật số tiên tiến có thể thực hiện suy luận học máy trong hàng microgiây, thì công nghệ quang học có thể làm điều đó trong hàng nanogiây hoặc thậm chí picôgiây.

Trong tương lai, các nhà nghiên cứu muốn áp dụng các sơ đồ ghép kênh (multiplexing schemes) để có thể thực hiện nhiều phép tính hơn và mở rộng MAFT-ONN. Họ cũng muốn mở rộng công trình này sang các kiến trúc học sâu phức tạp hơn có thể chạy các mô hình transformer hoặc các mô hình ngôn ngữ lớn (LLM).

(Theo MIT News)