Cornell представил «микроволновой мозг»: первый AI-чип на микроволнах
Учёные из Корнеллского университета представили экспериментальный микрочип, названный «микроволновым мозгом» (“Microwave Brain”). Это первая интегральная микросхема, которая одновременно обрабатывает сверхвысокоскоростные данные и беспроводные сигналы, используя физику микроволн в аналоговом режиме — и потребляя при этом менее 200 мВт энергии.
Как это работает
Вместо традиционной пошаговой цифровой обработки, этот чип использует настраиваемые микроволновые волноводы, действующие как «эмиттеры нейронов». Они формируют сигналы в виде амплитуды, фазы и частоты, которые физически интерферируют и образуют паттерны для последующего распознавания — всё это происходит в реальном времени, без задержек, связанных с цифровыми вычислениями
В результате, чип способен классифицировать типы беспроводных сигналов с точностью не менее 88%, что сопоставимо с традиционными цифровыми нейронными сетями, но при гораздо меньшем энергопотреблении и на более компактной аппаратной базе. Он подходит для задач реального времени, включая декодирование радиосигналов, слежение за радарами, обнаружение аномалий в сетях — поскольку чип реагирует напрямую на входящие сигналы.
Практический курс по нейросетям от АБиУС
tproger.ru
Исследование опубликовано в Nature Electronics (14 августа 2025). Ведущий автор — лаборант Бал Говинд, участниками стали аспиранты Максвелл Андерсон и другие сотрудники Корнелла. Финансирование обеспечили DARPA и Национальный научный фонд США.
Результаты
- Энергоэффективность. Менее 200 мВт — рекордно низкий показатель для AI-чипов такой мощности.
- Гибкость. Чип может менять задачу программно с помощью аналоговых настроек, без необходимости переобучения.
- Применимость. Подход идеален для периферийных устройств — носимых гаджетов, смартфонов, систем с AI на краю (edge computing) — и для военных или промышленных приложений, где важна локальная обработка без облака.
Исследователи полагают, что смогут ещё больше снизить энергопотребление, сделав чип пригодным для периферийных вычислений. Его компактный размер позволит использовать локальные нейронные сети на смартфонах и носимых устройствах, снижая зависимость от облачных сетей. Пока технологические гиганты продвигают устройства с поддержкой ИИ, такие как умные часы и очки, потенциал нейронных сетей на носимых устройствах остаётся практически неисследованным.