انقلابی در پردازش سیگنال بلادرنگ: هوش مصنوعی طلوع لبه

محاسبات لبه از یک دستگاه نوری جدید که توسط محققان دانشگاه علوم توکیو ساخته شده است. تقویت قابل توجهی دریافت می کند که قادر به پردازش سیگنال بلادرنگ در مقیاس های زمانی مختلف است. این دستگاه که دقت طبقه‌بندی بالایی را در مجموعه داده‌های MNIST نشان می‌دهد. نشان‌دهنده یک جهش به جلو در محاسبات کارآمد و مقرون‌به‌صرفه در لبه است و راه‌حلی امیدوارکننده برای برنامه‌هایی ارائه می‌دهد که نیاز به پردازش و تجزیه و تحلیل سریع داده‌ها دارند.

هدف غلبه بر محدودیت‌های رایانش ابری معمولی

محققان دستگاه محاسباتی لبه‌ای را با هدف غلبه بر محدودیت‌های رایانش ابری معمولی ایجاد کرده‌اند. که پردازش سریع‌تر داده‌ها را با کاهش هزینه‌های محاسباتی امکان‌پذیر می‌کند.
هر روز حجم وسیعی از داده‌ها از پیش‌بینی‌های آب‌وهوا، به‌روزرسانی‌های ترافیک و فیدهای رسانه‌های اجتماعی در زمان واقعی پردازش می‌شوند. در حوزه رایانش ابری سنتی، این تجزیه و تحلیل بر روی سرورهای راه دور انجام می شود. که منجر به خطرات بالقوه از جمله نقض داده ها. تاخیرهای ارتباطی، کاهش سرعت پردازش و افزایش مصرف انرژی می شود. در این زمینه، “محاسبات لبه” به عنوان یک جایگزین قابل دوام و خلاقانه ظاهر می شود.

هدف آن توزیع محاسبات است. در نتیجه کاهش بار و سرعت بخشیدن به پردازش داده ها. به طور خاص، هوش مصنوعی لبه، که شامل پردازش هوش مصنوعی در لبه است، انتظار می‌رود برای مثال در خودروهای خودران و پیش‌بینی ناهنجاری ماشین‌ها در کارخانه‌ها کاربردهایی پیدا کند.

با این حال، برای محاسبات لبه موثر، فناوری کارآمد و محاسباتی مقرون به صرفه مورد نیاز است. یکی از گزینه های امیدوارکننده محاسبات مخزن است. یک روش محاسباتی برای پردازش سیگنال هایی که در طول زمان ثبت می شوند. می تواند این سیگنال ها را با استفاده از مخازنی که به صورت غیرخطی به آنها پاسخ می دهند. به الگوهای پیچیده تبدیل کند. به طور خاص، مخازن فیزیکی، که از دینامیک سیستم های فیزیکی استفاده می کنند، از نظر محاسباتی مقرون به صرفه و کارآمد هستند. با این حال، توانایی آنها برای پردازش سیگنال ها در زمان واقعی توسط زمان آرامش طبیعی سیستم فیزیکی محدود است. این پردازش بلادرنگ را محدود می کند و برای بهترین عملکرد یادگیری نیاز به تنظیمات دارد.

پیشرفت در پردازش سیگنال بلادرنگ

اخیراً پروفسور کنتارو کینوشیتا، یکی از اعضای دانشکده مهندسی پیشرفته و گروه فیزیک کاربردی در دانشگاه علوم توکیو (TUS)، و آقای یوتارو یامازاکی از دانشکده تحصیلات تکمیلی علوم و همان دپارتمان در TUS یک نوری توسعه دادند. دستگاهی با ویژگی هایی که از محاسبات مخزن فیزیکی پشتیبانی می کند و امکان پردازش سیگنال در زمان واقعی را در طیف وسیعی از مقیاس های زمانی در یک دستگاه واحد فراهم می کند.

یک کاندید بالقوه

پروفسور کینوشیتا درباره انگیزه خود برای مطالعه توضیح می دهد: «دستگاه های توسعه یافته. در این تحقیق یک دستگاه را قادر می سازند. تا سیگنال های سری زمانی را با مقیاس های زمانی مختلف در محیط زندگی ما در زمان واقعی پردازش کند. به ویژه، ما امیدواریم که بتوانیم یک دستگاه هوش مصنوعی برای استفاده در حوزه لبه ایجاد کنیم.

در مطالعه خود. این دو یک دستگاه ویژه با استفاده از In2O3 و SrTiO3 با Nb (که با ITO/Nb:STO مشخص می شود) ایجاد کردند. که به سیگنال های الکتریکی و نوری پاسخ می دهد. آنها ویژگی های الکتریکی دستگاه را آزمایش کردند تا تأیید کنند که به عنوان ممریستور (دستگاه حافظه ای که می تواند مقاومت الکتریکی آن را تغییر دهد) عمل می کند. این تیم همچنین با تغییر ولتاژ و مشاهده تغییرات در جریان، تأثیر نور فرابنفش بر ITO/Nb:STO را بررسی کردند. نتایج نشان می‌دهد که این دستگاه می‌تواند زمان آرامش جریان ناشی از عکس را با توجه به ولتاژ تغییر دهد و آن را به یک کاندید بالقوه برای یک مخزن فیزیکی تبدیل کند.

تست و نتایج

علاوه بر این، تیم کارآیی ITO/Nb:STO را به‌عنوان یک مخزن فیزیکی با استفاده از آن برای طبقه‌بندی تصاویر رقمی دست‌نویس در مجموعه داده‌های MNIST (موسسه ملی استاندارد و فناوری اصلاح‌شده) آزمایش کردند. برای خوشحالی آنها، دستگاه به دقت طبقه بندی تا 90.2٪ دست یافت. علاوه بر این، برای درک نقش مخزن فیزیکی، تیم آزمایش هایی را بدون آن انجام داد که منجر به دقت طبقه بندی نسبتاً پایین 85.1٪ شد. این یافته‌ها نشان می‌دهد. که دستگاه اتصال ITO/Nb:STO دقت طبقه‌بندی را بهبود می‌بخشد. در حالی که هزینه‌های محاسباتی را پایین‌تر نگه می‌دارد و ارزش آن را به عنوان یک مخزن فیزیکی ثابت می‌کند.

در گذشته، گروه تحقیقاتی ما بر تحقیق و توسعه مواد قابل استفاده در محاسبات مخزن فیزیکی متمرکز بوده است. پروفسور کینوشیتا می‌گوید بر این اساس، ما این دستگاه‌ها را با هدف ایجاد یک مخزن فیزیکی ساختیم که در آن زمان آرامش جریان ناشی از عکس را می‌توان خودسرانه توسط ولتاژ کنترل کرد.

به طور خلاصه، این مطالعه یک دستگاه ممریستور جدید را ارائه می‌کند که می‌تواند مقیاس زمانی پاسخ خود را از طریق تغییرات ولتاژ تنظیم کند، و قابلیت‌های یادگیری پیشرفته‌ای را نشان می‌دهد، که آن را برای برنامه‌های کاربردی در لبه به عنوان یک دستگاه هوش مصنوعی برای محاسبات لبه امیدوارکننده می‌کند. این به نوبه خود می‌تواند راه را برای دستگاه‌های منفرد که می‌توانند به طور موثر سیگنال‌هایی با مدت زمان‌های مختلف موجود در محیط‌های دنیای واقعی را کنترل کنند هموار کند.

مرجع: “محاسبات مخزن فیزیکی فوتونیک با ثابت زمان آرامش قابل تنظیم” توسط یوتارو یامازاکی و کنتارو کینوشیتا، 20 نوامبر 2023، علوم پیشرفته.

مجلات دیگری که ممکن است مورد توجه باشند. کامپیوتر

برای اطلاعات بیشتر در مورد دنیای فناوری  مقالات را بررسی کنید.

برای دیدن محصولات میتوانید به سایت اینترنتی YASASTORE مراجعه فرمایید.