Datorer

Mikrovågs‑Hjärnchip Förenar AI och Trådlös Beräkning

mm
Securities.io maintains rigorous editorial standards and may receive compensation from reviewed links. We are not a registered investment adviser and this is not investment advice. Please view our affiliate disclosure.
Microwave Brain Chip Melds Computing and Communication hardware

Ett team av ingenjörer från Cornell University har precis skapat ett AI‑drivet mikrochip som kan hantera både beräkningar och kommunikationer med gigahertz‑hastigheter och minimal energiförbrukning. Mikrovågs‑hjärnchipet kastar konventionell datavetenskap åt sidan till förmån för en neuralt nätverksdesign, vilket gör att det kan lära sig som en mänsklig hjärna.

Detta genombrott kan få en genomslagskraft på allt från de mest avancerade AI‑systemen till din framtida smartwatch. Så här har detta team av innovativa forskare tagit reda på hur man utnyttjar mikrovågornas kraft för att uppnå en ny nivå av beräkningskapacitet och vad det betyder för dig i framtiden.

Hur trådlösa nätverk fungerar idag

Digitala trådlösa nätverk är kärnan i dagens teknologiska revolutioner. Dessa system är avgörande för att den högteknologiska världen ska fungera smidigt och för att kommunikationen ska förbli intakt. Noterbart är att det första digitala trådlösa nätverket togs i drift 1971. Det kallades ALOHA.net, en hyllning till University of Hawaii, som stödde forskningen,

Digitala trådlösa nätverk fungerar genom att omvandla digitala signaler till radiovågor. Dessa vågor sänds sedan via en överföring och tas emot genom en antenn. Därefter avkodas signalen så att de ursprungliga data kan extraheras säkert.

Problem med digitala trådlösa nätverk

Det finns flera problem som är inneboende i digitala trådlösa nätverk. Dessa flaskhalsar uppstår av olika skäl, inklusive ett ständigt behov av att uppgradera hårdvara såsom antenner, processorer och andra digitala system för att hantera mer data. Dessutom är dessa nätverk energikrävande och kräver mer ström för varje ny komponent som läggs till.

Tyvärr har digital trådlös teknik nått en platå när det gäller prestanda. Dessa system begränsas av sin struktur, som kräver att data organiseras och passerar genom binära logikgrindar som synkroniseras med en klocka. Med insikt om efterfrågan på snabbare kommunikation för att hantera uppgifter som molnbaserad AI‑beräkning, kom ett team av Cornell‑ingenjörer på ett nytt tillvägagångssätt för att lösa dessa problem en gång för alla.

Studie om Mikrovågs‑Hjärnchip

En integrerad mikrovågs‑neuronnätverk för bredbandsberäkning och -kommunikation, publicerad1 i Nature Electronics, beskriver en ny chipdesign som kan kringgå flera digitala signalbehandlingssteg för att uppnå hög prestanda i ett litet paket. Deras nya chipdesign fungerar som ett mikrovågs‑hjärna genom att utnyttja de unika egenskaperna hos dessa vågor, kombinerat med ett avancerat neuronnätverk, för att tillhandahålla kommunikations- och bearbetningskapacitet från ett enda chip.

Inbyggd neuronnätsdesign

Som en del av detta tillvägagångssätt skapade ingenjörerna ett anpassat AI‑protokoll. AI‑ramverket programmerades sedan direkt in i hårdvaran. AI‑n möjliggör för systemet att läsa specifika data baserat på mikrovågens amplitud, fas och frekvens. På så sätt kan varje vågledare leverera stora mängder data omedelbart.

Användning av mikrovågor för datatransmission

I ett traditionellt digitalt trådlöst nätverk tillhandahåller elektriska neuroner kommunikation. I denna strategi används dock kontrollerade pulser av mikrovågsenergi. Dessa justerbara mikrovågs‑vågledare bildar naturligt mönster.

Dessa mönster kan sedan fångas upp av AI‑n, vilket möjliggör överföring på tiotals gigahertz och minskar fördröjningar som är förknippade med digital kodning och avkodning. Idealiskt uppnår mikrovågsblandning och -propagation samma mål som flera programvaror när det gäller kodnings- och överföringskapacitet.

Analog mikrovågsfysik

De unika egenskaperna hos mikrovågor gör dem idealiska för denna uppgift. För det första tillåter deras icke‑linjära beteende mer data i kodning tillsammans med ultrafast data‑ och trådlös signalbehandling. Detta tillvägagångssätt kombineras med justerbara vågledare och ett specialbyggt neuronnätverk för att möjliggöra nästa nivå av datatransmissionshastigheter.

Lågeffekt‑mikrochip

Imponerande nog kräver mikrovågs‑hjärnchipet endast en bråkdel av den energi som traditionella system behöver för att utföra liknande uppgifter. Detta lilla kisel‑mikrochip har en strömförbrukning under 200 mW. Det uppnår denna extra effektivitet genom att samtidigt utföra dubbla uppgifter: ultrafast databehandling och trådlös kommunikation.

Realtids‑AI‑beräkningar

Mikrovågs‑hjärnchipet har ökad känslighet tack vare AI‑ns förmåga att känna igen mönster och lära sig som en mänsklig hjärna. Systemet skannar en kontrollerad blandning av frekvensbeteenden i korrelation med klassificering av kodningsscheman för att uppnå högpresterande beräkning. På ett tydligt sätt ger chipets användning av mikrovågor hög känslighet och möjliggör hantering av realtids‑frekvensdomänberäkningar, låg‑nivå logikfunktioner och en rad andra komplexa uppgifter.

Testning och Resultat för Mikrovågs‑Hjärnchip

Ingenjörerna testade sitt system mot toppresterande digitala alternativ för att se om deras koncept höll. Testet innefattade klassificering av trådlösa signaler och utförande av beräkningar över ett brett spektrum av digitala överföringar. Noterbart är att studiens resultat kastar ljus på framtiden för trådlös kommunikation.

Mikrovågs‑hjärnchipet överträffade både analoga och digitala trådlösa kommunikationsmetoder. Imponerande nog kunde systemet klassificera flera typer av trådlösa signaler med en noggrannhet som jämförs med mycket större och dyrare digitala system. Specifikt noterade rapporten att AI:n uppnådde 88 % noggrannhet i flera klassificeringstester.

Ingenjörerna noterade också att de kunde anpassa systemet via tuners och signalförskjutare i realtid. Denna förmåga gör att chipet kan växla mellan AI‑uppgifter omedelbart och utan någon prestandaförlust. Allt detta uppnås utan användning av digitala funktioner eller specialdesignade kretsar.

Svep för att rulla →

System Energianvändning Noggrannhet Nyckelfördel
Traditionell digital trådlös Hög (>500 mW) ~90% Mogen ekosystem
Analog trådlös Måttlig ~75–80% Enklare kretsar
Mikrovågs‑hjärnchip Låg (<200 mW) 88% Dubbel beräkning + kommunikation i ett chip

Fördelar med Mikrovågs‑Hjärnchip

Det finns en lång lista med fördelar som studien om mikrovågs‑hjärnchipet ger till marknaden. För det första öppnar den dörren för snabbare och mer pålitliga trådlösa nätverk och elektronik. På så sätt är det ett stort milstolpe inom trådlös kommunikation eftersom det representerar den första mikrovågsbaserade processorn som kan beräkna ultrafast data och trådlösa kommunikationssignaler samtidigt.

Kompakt formfaktor för bärbara enheter

En annan viktig fördel som bör nämnas är enhetens storlek. Detta kompakta kiselchip är bara en bråkdel av storleken på liknande presterande digitala system. Dess lilla storlek innebär att det en dag kan driva dina bärbara enheter eller smarta enheter.

Energieffektivitet under 200 mW

Mikrovågs‑hjärnchipet byggdes för att använda minimal energi. Denna effektiva design utför hög hastighets‑uppgifter samtidigt som den kräver mindre än 200 milliwatt. Den låga energiförbrukningen uppnåddes på grund av hur mikrovågor fungerar och hårdvarans naturliga känslighet för förändringar i signalbeteende.

Hög noggrannhet

Den viktigaste fördelen med denna studie är att den visar hur detta låga kostnadssystem kan leverera mycket noggranna resultat. Mikrovågs‑hjärnchip eliminerar flera digitala hinder, såsom behovet av extra kretsar och felkorrigeringssystem. De känner naturligt av avvikelser i trådlös kommunikation och kan fungera fritt över flera mikrovågsfrekvenser.

Tillämpningar och Marknadstidslinje

Det finns flera verkliga tillämpningar för mikrovågs‑hjärnchip‑teknik. Den uppenbara användningen är i AI‑system. Protokoll som ChatGPT och andra kräver omfattande datatransmission och kommunikation. Den senaste chipdesignen suddar ut gränsen mellan kommunikationshårdvara och bearbetningssystem, vilket minskar kostnader och öppnar dörren för nästa generations AI‑enheter.

Bärbara enheter och smarta enheter

Ingenjörerna talade om hur deras arbete kan förbättra bärbar teknik. De föreställer sig att deras system möjliggör för mobiltelefoner och smartklockor att stödja lokala AI‑system, snarare än att behöva kommunicera med molnet för varje uppgift. Denna strategi kan förbättra prestanda och tillgänglighet för dessa enheter framöver.

Säkerhetsapplikationer

En annan viktig användning av mikrovågs‑hjärnchipet skulle vara att övervaka signalavvikelser över snabba digitala nätverk. Eftersom varje mikrovåg kan visa en enorm mängd data för systemet, möjliggör det för dessa protokoll att tillhandahålla realtids‑scanning av trådlös trafik.

Mikrovågor är en avgörande del av radarteknik. På så sätt kan detta tekniska genombrott hjälpa till att driva spårnings‑ och målinriktnings‑teknik till nästa nivå. Framtida system kommer att spåra fler mål och till och med avkoda trånga digitala kanaler i realtid.

Tidslinje för Mikrovågs‑Hjärnchip

Mikrovågs‑hjärnchipet kommer att nå marknaden inom de kommande 5–7 åren. För det första har efterfrågan på högpresterande trådlösa system aldrig varit högre. Teamets användning av mikrovågor öppnar dörren för bättre prestanda och minskad overhead. Alla dessa faktorer kommer att driva investeringar, skalning och integration av mikrovågsystem.

Forskare bakom Mikrovågs‑Hjärnchip

Cornell University var värd för studien om mikrovågs‑hjärnchipet. Artikeln listar huvudforskarna som Bala Govind, Maxwell G. Anderson, Fan O. Wu, Peter L. McMahon och Alyssa Apsel. Dessutom fick forskningen ekonomiskt stöd från Defense Advanced Research Projects Agency och Cornell NanoScale Science and Technology Facility.

Framtiden för Mikrovågs‑Hjärnchip

Framtiden för mikrovågs‑hjärnteknik kommer att innebära en satsning på skalbarhet. Tekniken har visat sig vara effektiv, men nu måste ingenjörerna skala upp den för att se om den kan hantera den enorma mängden data som färdas över dagens mest avancerade digitala nätverk på ett säkert sätt.

Investera i digital kommunikation

Den digitala kommunikationssektorn är en mycket konkurrensutsatt marknad. Det finns flera stora företag som är aktiva i denna sektor och investerar miljoner i forskning och utveckling i hopp om att förbättra prestanda. Här är ett företag som förblir ett ledande alternativ för investerare och en pionjär inom digital trådlös nätverkskommunikation.

InterDigital Inc

InterDigital Inc. (IDCC ) grundades 1972 i King of Prussia som International Mobile Machines Corporation. Företagets grundare, Sherwin Seligsohn, gick in på marknaden för att förbättra bärbara analoga radio‑ och trådlösa handhållna teknologier på den tiden.

Sedan dess har InterDigital Inc. kontinuerligt utökat sina produkter och skiftat fokus mot digitala system. År 1992 ändrade företaget namn till  InterDigital Communications Corp. för att återspegla sitt nya fokus på framväxande digitala trådlösa nätverk.

(IDCC )

1998 säkrade InterDigital ett stort partnerskap med mobiltelefonleverantören Nokia. Det strategiska partnerskapet innebar att InterDigital hjälpte Nokia med utveckling och tillverkning av Nokias 3G‑nätverkskomponenter.

Även idag är InterDigital en pionjär inom trådlös kommunikationssektor. Intressant nog har de också utökat sin verksamhet till att omfatta AI‑system och videobearbetningsverktyg. Därför kommer de som söker en tillverkare och forskare av trådlösa nätverkskomponenter att finna att InterDigital har en lång, livfull historia på marknaden.

Senaste nyheter och utveckling för InterDigital Inc. (IDCC) aktie

Mikrovågs‑Hjärnchip | Slutsats

Det bör noteras att mikrovågs‑hjärnchipet har potential att revolutionera kommunikationssektorn. Ingenjörernas intuitiva tillvägagångssätt, kombinerat med mikrovågornas unika egenskaper, bidrog till att göra denna forskning framgångsrik. Nu kommer teamet att samarbeta med andra forskare för att driva tekniken framåt, förhoppningsvis skapa kraftfullare och säkrare trådlösa nätverksalternativ för alla.

Läs om andra coola beräkningsgenombrott Här.

Referenser:

1. Govind, B., Anderson, M.G., Wu, F.O. et al. An integrated microwave neural network for broadband computation and communication. Nat Electron (2025). https://doi.org/10.1038/s41928-025-01422-1

David Hamilton är en heltidsjournalist och en långvarig bitcoinist. Han specialiserar sig på att skriva artiklar om blockchain. Hans artiklar har publicerats i flera bitcoinpublikationer, inklusive Bitcoinlightning.com