Учёные из Корнельского университета представили экспериментальный процессор, способный выполнять задачи искусственного интеллекта и обработки сигналов при минимальном энергопотреблении. Устройство получило название «микроволновый мозг» и уже признано первым в своём роде.
Как это работает
В отличие от традиционных процессоров, которые передают цифровые сигналы с фиксированной тактовой частотой, новый чип использует микроволны в диапазоне десятков гигагерц. Такой подход позволяет обрабатывать данные не последовательно, а параллельно, что значительно ускоряет вычисления.
Ключевой особенностью разработки стала интеграция аналоговой беспроводной обработки данных в нейросеть. Чип выполняет вычисления в частотной области в реальном времени, что делает его особенно эффективным для работы с радиосигналами, радарными системами и цифровыми потоками.
Используя волноводы и вероятностный подход к проектированию, исследователи добились стабильной работы нейросети без резкого роста энергопотребления и ошибок при увеличении сложности задач. В результате «микроволновый мозг» способен классифицировать беспроводные сигналы с точностью не менее 88% — на уровне цифровых нейросетей, но при этом расходует менее 200 милливатт энергии.
Зачем это нужно
Благодаря компактности и низкому энергопотреблению новый чип открывает перспективы для использования в так называемых edge-вычислениях — то есть обработки данных на месте, без обращения к облаку. Это особенно важно для смартфонов, носимых гаджетов и других устройств, где важна автономность и высокая скорость отклика.
Такие технологии могут найти применение в «умных» часах, очках и других AI-гаджетах, которые активно развивают компании вроде Apple и Meta. Однако пока потенциал встроенных нейросетей в носимой электронике практически не реализован, и разработка Корнельского университета может изменить ситуацию.
Кроме того, «микроволновый мозг» способен в реальном времени выявлять аномалии в беспроводной связи на разных частотах, что делает его перспективным для военных и телекоммуникационных задач.
Работа опубликована в журнале Nature Electronics. Проект был профинансирован DARPA, Национальным научным фондом США и самим университетом. На данный момент устройство остаётся экспериментальным, однако исследователи планируют повысить точность и масштабировать технологию для широкого применения.
