Un grupo de investigadores de la Universidad de Cornell ha presentado un microchip que podría transformar el diseño de procesadores, un prototipo apodado “cerebro de microondas”, capaz de ejecutar algoritmos de inteligencia artificial, consumiendo menos de 200 milivatios que es una cifra muy inferior a la de los chips convencionales.
Cabe aclarar que los procesadores actuales dependen de señales digitales que siguen un ritmo fijo, mientras que el nuevo utiliza ondas de microondas en el rango de los gigahercios, lo que permite llevar a cabo múltiples operaciones de forma paralela y con mayor rapidez.
La clave de su funcionamiento está en la integración de una red neuronal basada en microondas dentro del propio circuito, trabajando en conjunto con la parte digital.
Esto rompe con la arquitectura tradicional de los chips y abre un nuevo camino de la computación especializada.
Es decir, que este prototipo puede manejar cálculos en el dominio de la frecuencia en tiempo real, haciéndolo útil para ámbitos como la codificación de señales de radio, pero también el rastreo mediante radar o la detección de irregularidades en comunicaciones inalámbricas.
Igualmente, puede identificar anomalías en distintas bandas de frecuencia, de forma más rápida que los procesadores actuales.
Una de sus grandes ventajas es que logra mantener una precisión del 88 % en la clasificación de señales inalámbricas, con muy poco consumo energético y en un chip de menor tamaño si lo comparamos con las redes neuronales digitales.
Esto se debe a su diseño probabilístico con guías de onda que evitan los picos de gasto eléctrico y la necesidad de complejos sistemas de corrección de errores.
Curiosamente, el equipo considera que aún pueden reducir más el consumo, lo que haría factible su uso en computación en el borde.
Gracias a su tamaño compacto, es un candidato ideal para integrarlo en redes neuronales en teléfonos móviles, relojes inteligentes y gafas de realidad mixta.
En todo caso, estamos hablando de un chip experimental, y los investigadores planean mejorar su precisión y trabajar en su escalabilidad para que pueda aplicarse a múltiples plataformas.
Deja una respuesta