به گزارش شهرآرانیوز، دانشمندان دانشگاه کرنل موفق به ساخت نخستین چیپ مغزی مایکروویوی جهان شده‌اند؛ پردازنده‌ای فوق‌کوچک و کم‌مصرف که داده‌ها را با سرعت امواج رادار پردازش می‌کند و می‌تواند آینده‌ی هوش مصنوعی، ارتباطات بی‌سیم و پردازش داده‌های آنی را متحول کند.
مهندسان دانشگاه کرنل نوعی ریزتراشه جدید با نام «مغز مایکروویوی» طراحی کرده‌اند که به جای مدار‌های دیجیتال سنتی، از امواج مایکروویو برای انجام محاسبات استفاده می‌کند.
این پردازنده‌ی کوچک و کم‌مصرف قادر است وظایفی همچون رمزگشایی سیگنال‌ها، ردیابی راداری و تحلیل داده‌ها را در زمان واقعی (Real-Time) انجام دهد، در حالی که تنها کمتر از ۲۰۰ میلی‌وات انرژی مصرف می‌کند.
در این چیپ، ساختاری شبیه شبکه‌ی عصبی مغز انسان طراحی شده است.
به‌جای عملیات دیجیتال زمان‌بندی‌شده، این سیستم در دامنه‌ی آنالوگ مایکروویو کارمی‌کند و قادر است داده‌ها را در محدوده‌ی ده‌ها گیگاهرتز پردازش کند، سرعتی بسیار بالاتر از اغلب پردازنده‌های دیجیتال امروزی دارد.
به گفته‌ی نویسنده‌ی مقاله «این چیپ می‌تواند به‌صورت برنامه‌پذیر در پهنای باند گسترده‌ای از فرکانس‌ها عمل‌کند و برای چندین وظیفه‌ی محاسباتی مجدداً تنظیم شود. در واقع بسیاری از مراحل سنگین پردازش دیجیتال را حذف می‌کند.»
طراحی و تولید این تراشه به‌جای تقلید دقیق از شبکه‌های عصبی دیجیتال، به گونه‌ای ساخته شده است که بیشتر شبیه یک ترکیب کنترل‌شده از رفتار‌های فرکانسی است و در نهایت به عملکردی فوق‌العاده منجر می‌شود. تراشه‌ای که می‌تواند الگو‌ها را در داده‌های پرسرعت تشخیص دهد و در چالش‌های مختلف طبقه‌بندی سیگنال‌های بی‌سیم، به دقتی بالاتر از ۸۸٪ دست یابد در حالی‌که تنها بخشی از انرژی و فضای مورد نیاز شبکه‌های دیجیتال را مصرف می‌کند.
در سیستم‌های دیجیتال سنتی، افزایش پیچیدگی وظایف نیازمند مدار بیشتر، انرژی بالاتر و تصحیح خطای گسترده‌تر است.
اما این چیپ با رویکرد احتمالاتی خود، دقت بالا را بدون هزینه‌ی اضافی حفظ می‌کند.
دانشمندان همچنین می‌گویند حساسیت زیاد این پردازنده به ورودی‌ها، آن را برای کاربرد‌های امنیت سخت‌افزاری مانند شناسایی ناهنجاری‌ها در ارتباطات بی‌سیم چندباندی ایده‌آل می‌سازد.
پژوهشگران معتقدند با کاهش بیشتر مصرف انرژی، می‌توان از این چیپ در اسمارت‌واچ‌ها، تلفن‌های همراه و دستگاه‌های لبه‌ای (Edge Computing) استفاده کرد تا مدل‌های هوش مصنوعی بدون نیاز به اتصال دائم به سرور‌های ابری مستقیماً روی خود دستگاه اجرا شوند.
پژوهشگران در حال بررسی پیداکردن روش‌هایی برای افزایش دقت و مقیاس‌پذیری این فناوری و ترکیب آن با سیستم‌های پردازش دیجیتال موجود هستند.