Excoino
امواج مایکروویو

انقلاب در دنیای کامپیوتر با رونمایی از اولین چیپست جهان که با «امواج مایکروویو» کار می‌کند

دانشمندان اولین چیپست کامپیوتری جهان را معرفی کرده‌اند که برای پردازش اطلاعات از امواج مایکروویو بهره می‌برد و پتانسیل بالایی در تحول سرعت و مصرف انرژی دارد.

چیپست‌های کامپیوتری مبتنی بر امواج مایکروویو، نوعی شبکه عصبی مایکروویو (MNN) را تشکیل می‌دهند. این فناوری نوین که در مطالعه‌ای اخیر در نشریه Nature Electronics معرفی شده، قابلیت‌های پردازشی کم‌نظیری را نوید می‌دهد. با بهره‌گیری از این رویکرد، دنیای کامپیوتر به سوی آینده‌ای پرسرعت و بهینه‌تر در مصرف انرژی پیش می‌رود.

چیپست مایکروویو: سرعت بی‌سابقه و مصرف انرژی ناچیز

این میکروچیپ، برخلاف مدارهای دیجیتال سنتی، از امواج مایکروویو آنالوگ برای انجام عملیات استفاده می‌کند. چیپست مایکروویو قادر به پردازش جریان‌های داده‌ای با سرعت ده‌ها گیگاهرتز (حداقل ۲۰ میلیارد عملیات در ثانیه) است که به مراتب از سرعت پردازنده‌های کامپیوترهای خانگی (۲.۵ تا ۴ گیگاهرتز) فراتر می‌رود.

این فناوری نه تنها سریع‌تر است، بلکه مصرف انرژی بسیار پایینی نیز دارد. مصرف آن کمتر از ۲۰۰ میلی‌وات (کمتر از ۰.۲ وات) است، در حالی که بیشتر CPUها حداقل ۶۵ وات برق نیاز دارند.

فناوری جدید در قلب هوش مصنوعی و ارتباطات بی‌سیم

این چیپست با استفاده از امواج مایکروویو در یک شبکه عصبی هوش مصنوعی، الگوهای شانه‌مانندی در شکل‌موج‌ها ایجاد می‌کند که اندازه‌گیری‌های سریع و دقیقی از فرکانس‌ها را ممکن می‌سازد. به گفته محققان، این تراشه قادر است عملیات منطقی ساده و محاسبات پیشرفته، مانند تشخیص توالی‌های باینری یا شناسایی الگوها در داده‌های پرسرعت را با دقت ۸۸ درصد انجام دهد.

مصرف انرژی پایین و سرعت بالای این چیپست، آن را برای کاربرد در دستگاه‌های شخصی، فناوری‌های پوشیدنی، محاسبات لبه‌ای (Edge Computing) و سیستم‌های هوش مصنوعی ایده‌آل می‌سازد. این می‌تواند تأخیر را کاهش داده و جایگزینی قدرتمند برای آموزش مدل‌های AI باشد.

آینده چیپست‌های مایکروویو: کوچک‌تر و قدرتمندتر

محققان دانشگاه کورنل، به رهبری بال گاویند و آلیسا آپسل، در گام بعدی قصد دارند با کاهش تعداد موج‌برهای نوری، طراحی این چیپست را ساده‌تر و ابعاد آن را کوچک‌تر کنند. یک تراشه فشرده‌تر می‌تواند با استفاده از ترکیب‌کننده‌های متصل به هم، طیف خروجی غنی‌تری تولید کند و به آموزش شبکه عصبی کمک شایانی نماید.

پاسخ بدهید

وارد کردن نام و ایمیل اجباری است | در سایت ثبت نام کنید یا وارد شوید و بدون وارد کردن مشخصات نظر خود را ثبت کنید *

*