Wetenschappers in de Verenigde Staten hebben onlangs een baanbrekende microchip ontwikkeld die microgolven gebruikt in plaats van traditionele digitale circuits om computerfuncties uit te voeren. Deze nieuwe processor, die bekend staat als het eerste volledig functionele microgolfneuraalnetwerk (MNN) dat op één chip past, belooft een revolutie teweeg te brengen in de computerindustrie. Het onderzoek, gepubliceerd in het tijdschrift Nature Electronics, toont aan dat deze chip in staat is om sneller te werken dan conventionele CPU’s.
Toepassingen die een hoge bandbreedte vereisen, zoals radarbeelden, hebben behoefte aan verwerking met extreem hoge snelheid. Microgolven, die in het analoge spectrum werken, kunnen aan deze behoeften voldoen. Daarom streven wetenschappers naar deze nieuwe benadering van computergebruik. De chip kan worden aangepast voor meerdere computertaken en omzeilt veel signaalverwerkingsstappen die normaal gesproken door digitale systemen moeten worden uitgevoerd.
De werking van de ‘microgolfgeest’ van de chip berust op het gebruik van analoge microgolfgolven binnen een neuraal netwerk van kunstmatige intelligentie om een ’kamspectrum’ te creëren. Dit patroon van gelijkmatig verdeelde frequentielijnen maakt snelle en nauwkeurige metingen mogelijk. Neurale netwerken, die de basis vormen van de chip, zijn sets machine learning-algoritmen geïnspireerd op de structuur van het menselijk brein.
De MNN chip is in staat om zowel eenvoudige logische bewerkingen als geavanceerde berekeningen uit te voeren met een nauwkeurigheid van 88%. Door te werken in het analoge microgolfspectrum en een probabilistische benadering te gebruiken, kan de chip gegevens verwerken met snelheden van tientallen GHz, wat veel sneller is dan thuisprocessors die typisch op 2,5-4 GHz werken.
Het energieverbruik van de chip is opvallend laag, met minder dan 200 milliwatt, wat ongeveer overeenkomt met het zendvermogen van een mobiele telefoon. Dit maakt de chip geschikt voor mobiele apparaten of draagbare technologie, evenals voor edge computing om de latentie te verminderen. Bovendien kan de chip worden gebruikt voor het trainen van modellen voor kunstmatige intelligentie met krachtige rekenprestaties en minimale energie.
De onderzoekers streven ernaar om het ontwerp van de chip te vereenvoudigen door het aantal golfgeleiders te verminderen en de chip compacter te maken. Een compacter MNN zou onderling verbonden ‘frequentiekammen’ kunnen gebruiken, waardoor rijkere outputspectra ontstaan en de training van neurale netwerken wordt verbeterd. Deze ontwikkeling belooft een spannende nieuwe fase in te luiden voor de computerindustrie en opent de deur naar talloze innovatieve toepassingen en mogelijkheden.
