Las investigaciones recientes están experimentando con la inteligencia artificial (IA) para optimizar la gestión del espectro inalámbrico, para reducir la latencia y mejorar el rendimiento de las comunicaciones inalámbricas. Los investigadores del Instituto Tecnológico de Massachussets (MIT) han desarrollado un acelerador de hardware de IA, especialmente diseñado para el procesamiento de señales inalámbricas. Su procesador óptico realiza cálculos de aprendizaje automático a la velocidad de la luz, clasificando las señales inalámbricas en cuestión de nanosegundos.
En comparación con las alternativas digitales, este chip fotónico ofrece un procesamiento aproximadamente 100 veces más rápido y logra cerca de un 95% de precisión en la clasificación de señales. Además, su estructura lo hace pequeño, ligero, más eficiente energéticamente y menos costoso, lo que facilita su implementación en diversas aplicaciones de alto rendimiento.
Entre los posibles usos de este acelerador, destacan las futuras comunicaciones inalámbricas 6G y los dispositivos edge, permitiendo ejecutar cálculos de aprendizaje profundo en tiempo real.
Procesamiento óptico y arquitectura innovadora
Los aceleradores digitales de IA de vanguardia para el procesamiento de señales inalámbricas convierten la señal en una imagen y la procesan mediante un modelo de aprendizaje profundo para clasificarla. Aunque este enfoque logra muy buena precisión, el coste computacional suele ser elevado, dificultando su uso en contextos donde los tiempos de respuesta deben ser mínimos.
La computación óptica se presenta como una alternativa para reducir ese consumo, ya que procesa los datos utilizando luz y necesita menos energía comparado con la computación digital. Sin embargo, hasta el momento, no era sencillo lograr que las redes neuronales ópticas tuvieran el mismo rendimiento y escalabilidad necesarias para manejar señales inalámbricas de manera eficiente.
Ante este reto, los investigadores del MIT desarrollaron una arquitectura de red neuronal óptica llamada red neuronal óptica por transformada de frecuencia analógica multiplicativa (MAFT-ONN). Esta plataforma codifica y procesa todos los datos en el dominio de la frecuencia antes de digitalizarlos, mejorando así la escalabilidad y flexibilidad del sistema.
Gracias a este diseño innovador, solo necesitan un dispositivo MAFT-ONN por capa para toda la red neuronal óptica, a diferencia de otros métodos que requieren un dispositivo para cada unidad computacional individual, o ‘neurona’.
De esta forma, es posible agrupar hasta 10.000 neuronas en un solo dispositivo y realizar múltiples operaciones simultáneamente. Esto es posible gracias a una técnica denominada multiplicación fotoeléctrica, que incrementa drásticamente la eficiencia operativa del sistema. Según los datos de los investigadores, la arquitectura puede ampliarse fácilmente con capas adicionales sin requerir sobrecarga adicional.
Resultados de las simulaciones
En las pruebas simuladas, la red neuronal óptica alcanzó un 85% de precisión en una sola medición, llegando a superar el 99% utilizando múltiples mediciones. Todo este proceso se completa en unos 120 nanosegundos. La exactitud mejora conforme se amplía el tiempo de medición, sin sacrificar la rapidez del cálculo, ya que las operaciones ópticas pueden finalizarse en nanosegundos o incluso picosegundos.
Los investigadores esperan seguir ampliando el MAFT-ONN utilizando esquemas de multiplexación y explorar su aplicación en modelos de aprendizaje profundo más complejos, como arquitecturas de transformadores y grandes modelos de lenguaje.