Il MIT ha sviluppato un rivoluzionario processore ottico per dispositivi edge, capace di eseguire calcoli AI alla velocità della luce. Grazie alla nuova architettura MAFT-ONN, il chip fotonico offre prestazioni ultra-rapide, alta precisione e efficienza energetica, aprendo la strada all’intelligenza artificiale per il 6G
Il chip fotonico che rivoluziona il 6G: AI alla velocità della luce.
Con l’aumento dei dispositivi connessi e la crescente domanda di banda per attività come lo smart working e il cloud computing, gestire lo spettro wireless limitato diventa una sfida sempre più complessa.
Per affrontare questo problema, gli ingegneri stanno utilizzando l’intelligenza artificiale con l'intento di ottimizzare in tempo reale la gestione dello spettro radio, riducendo la latenza e migliorando le prestazioni. Tuttavia, la maggior parte degli algoritmi AI attuali consuma molta energia e non è in grado di operare in tempo reale.
Ora, i ricercatori del MIT hanno sviluppato un acceleratore hardware AI innovativo progettato appositamente per l’elaborazione dei segnali wireless. Il loro processore ottico esegue calcoli di machine learning alla velocità della luce, classificando i segnali in pochi nanosecondi.
Questo chip fotonico è circa 100 volte più veloce rispetto alle migliori soluzioni digitali, con una precisione del 95% nella classificazione dei segnali. Inoltre, è scalabile, flessibile e adatto a molte applicazioni di calcolo ad alte prestazioni. E non è tutto: è anche più piccolo, leggero, economico ed efficiente dal punto di vista energetico rispetto agli acceleratori AI digitali.
Il nuovo acceleratore hardware AI sviluppato dal MIT potrebbe rivoluzionare le applicazioni wireless del futuro, in particolare nel contesto del 6G. Tra i possibili utilizzi, spiccano le radio cognitive, capaci di ottimizzare la velocità dei dati adattando i formati di modulazione alle condizioni variabili dello spettro wireless.
Grazie alla possibilità di eseguire calcoli di deep learning in tempo reale direttamente sul dispositivo, questo chip fotonico potrebbe offrire prestazioni eccezionali in molte applicazioni oltre all’elaborazione del segnale. Ad esempio:
- Veicoli autonomi in grado di reagire istantaneamente ai cambiamenti ambientali;
- Pacemaker intelligenti capaci di monitorare costantemente la salute cardiaca.
«Ci sono moltissime applicazioni che potrebbero beneficiare di dispositivi edge capaci di analizzare segnali wireless. Il nostro lavoro apre nuove possibilità per un’intelligenza artificiale affidabile e in tempo reale. È solo l’inizio di qualcosa di molto promettente», afferma il dottor Dirk Englund (1), professore al MIT e autore senior dello studio pubblicato su Science Advances (2).
MAFT-ONN: la rete neurale ottica che rivoluziona l’AI per il 6G
Gli attuali acceleratori AI digitali per l’elaborazione dei segnali wireless trasformano i segnali in immagini e li analizzano con modelli di deep learning. Sebbene questo metodo sia molto preciso, è anche estremamente computazionalmente pesante, rendendolo poco adatto alle applicazioni che richiedono risposte in tempo reale.
Le soluzioni ottiche offrono un’alternativa più veloce ed efficiente, elaborando i dati con la luce e riducendo il consumo energetico rispetto al calcolo digitale. Tuttavia, ottenere prestazioni elevate e scalabilità con reti neurali ottiche generiche è sempre stato un ostacolo.
Per superare questo limite, i ricercatori hanno progettato una nuova architettura chiamata MAFT-ONN (Multiplicative Analog Frequency Transform Optical Neural Network), pensata specificamente per l’elaborazione dei segnali wireless.
Come funziona MAFT-ONN?
Codifica ed elabora i segnali nel dominio della frequenza, prima che vengano digitalizzati.
Esegue tutte le operazioni lineari e non lineari necessarie per il deep learning in linea.
Utilizza una sola unità MAFT-ONN per ogni strato della rete neurale, evitando la complessità di avere un dispositivo per ogni “neurone”.
Grazie alla moltiplicazione fotoelettrica, i ricercatori sono riusciti a:
- Inserire 10.000 neuroni in un singolo dispositivo;
- Eseguire tutte le moltiplicazioni in un solo passaggio;
- Scalare facilmente la rete neurale ottica con più strati, senza costi aggiuntivi.
«Possiamo integrare migliaia di neuroni su un unico chip e calcolare tutto in un colpo solo», spiega il dottor Ronald Davis III, autore principale dello studio.
Questa innovazione potrebbe trasformare l’AI edge per il 6G, rendendo possibile l’elaborazione ultra-rapida di segnali wireless con efficienza energetica e scalabilità senza precedenti.
MAFT-ONN: l’intelligenza artificiale ottica che riconosce i segnali wireless in nanosecondi
Il sistema MAFT-ONN prende in ingresso un segnale wireless, lo elabora e trasmette le informazioni al dispositivo edge per le operazioni successive. Ad esempio, classificando il tipo di modulazione del segnale, MAFT-ONN consente al dispositivo di identificare automaticamente il segnale e estrarre i dati che contiene.
Una delle sfide principali affrontate dai ricercatori è stata mappare i calcoli di machine learning sull’hardware ottico. «Non potevamo usare un framework standard. Abbiamo dovuto adattarlo all’hardware e sfruttare la fisica per ottenere i risultati desiderati», spiega il dottor Ronald Davis III, autore principale dello studio.
Nei test di simulazione, MAFT-ONN ha raggiunto:
- 85% di accuratezza in una singola misurazione;
- Oltre il 99% di accuratezza con misurazioni multiple;
- Solo 120 nanosecondi per completare l’intero processo.
A differenza dei dispositivi digitali RF, che impiegano microsecondi, l’AI ottica può operare in nanosecondi o addirittura picosecondi, offrendo velocità e precisione senza compromessi.
I ricercatori puntano ora a:
- Integrare schemi di multiplexing per aumentare la capacità di calcolo;
- Espandere MAFT-ONN verso architetture deep learning più complesse, inclusi modelli transformer e LLM (Large Language Models).
Questa tecnologia potrebbe trasformare l’AI edge per il 6G, rendendo possibile l’analisi ultra-rapida dei segnali wireless con efficienza energetica e scalabilità avanzata.
Alla ricerca, pubblicata su Science Advances, hanno collaborato anche: Ronald Davis III, autore principale e PhD al MIT; Zaijun Chen, ex postdoc MIT e ora professore alla University of Southern California; Ryan Hamerly, visiting scientist al MIT e senior scientist presso NTT Research. Questo lavoro è stato finanziato, in parte, dal laboratorio di ricerca dell'esercito degli Stati Uniti, dall'Aeronautica statunitense, dal MIT Lincoln Laboratory, dal Telegraph e dal telefono Nippon e dalla National Science Foundation.
Riferimenti:
(1) Dirk Englund
(2) RF-photonic deep learning processor with Shannon-limited data movement
Descrizione foto: Questa immagine mostra l’interpretazione artistica di un nuovo processore ottico per dispositivi edge, sviluppato dai ricercatori del MIT, capace di eseguire calcoli di intelligenza artificiale alla velocità della luce, classificando segnali wireless in pochi nanosecondi. - Credit: Sampson Wilcox, Research Laboratory of Electronics.
Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Photonic processor could streamline 6G wireless signal processing