تعتبر الأجهزة الذكية الحديثة على الأطراف تعتمد بشكل متزايد على الشبكات العصبية (Neural Networks) لتعزيز تطبيقاتها الذكية. لكن المشكلة تكمن في أن استنتاجات الحوسبة الرقمية التقليدية تتطلب قدراً كبيراً من الذاكرة واستهلاك الطاقة. هنا تأتي طفرة الحوسبة التناظرية عبر تكنولوجيا الترددات الراديوية (Analog Radio Frequency Computing) كحل مبتكر لمواجهة هذه المشكلة.

في الحوسبة التناظرية، يتم ترميز أوزان الشبكات العصبية من قبل محطة قاعدة (Base Station) تتولى بث الموجات الراديوية إلى العملاء. يعيد كل عميل استخدام المزيج غير النشط (Passive Mixer) الخاص به لضرب الموجة المشفرة بأوزان الشبكة بالموجة المستقبلة المولدة محلياً. هذا يسمح للمستقبلات اللاسلكية بتنفيذ عمليات ضرب المصفوفات (Matrix-Vector Multiplications – MVMs) بكفاءة عالية وبكميات طاقة منخفضة جداً.

إذا قارنا ذلك بالاتصالات التقليدية، نجد أن الحوسبة التناظرية تتطلب طبقة مادية مركّزة على الحوسبة تتحكم في دقة عمليات MVM واستهلاك الطاقة في عملية الاستنتاج. وبطلب توجيهنا البحث الحالي، اقترحنا إطار تصميم لطبقة مادية خاصة بالحوسبة التناظرية في الأنظمة اللاسلكية MU-MIMO. قمنا بتطوير نماذج للعلاقة بين دقة الحوسبة واستهلاك الطاقة، وصياغة مشكلة توجيه الإشارة من محطة القاعدة والموازنة على جانب العميل، بما يعكس معايير دقة الحوسبة وقوة الإرسال.

النتائج أظهرت أن الحوسبة التناظرية يمكن أن تقلل من استهلاك الطاقة على جانب العميل بمقدار يقارب مرتين مقارنة بالحوسبة الرقمية، في حين تتطلب الاستنتاجات بدقة مختلطة طاقة أقل من تلك ذات الدقة الموحدة.

في الختام، تبرز الحوسبة التناظرية كخيار واعد لتحقيق كفاءة طاقة محسنة في تطبيقات الذكاء الاصطناعي على الأطراف. هل أنتم مستعدون لاستكشاف تطورات المستقبل في هذا المجال؟ شاركونا آراءكم.