Os pesquisadores estão sempre buscando comunicações mais confiáveis ​​e eficientes, para tudo, desde televisores e telefones celulares a satélites e dispositivos médicos.

Uma técnica que gera buzz por sua alta qualidade de sinal é uma combinação de técnicas de múltiplas entradas e múltiplas saídas com multiplexação por divisão ortogonal de frequência.

Lingjia Liu e Yang (Cindy) Yi, pesquisadores da Virginia Tech, estão usando técnicas de aprendizado de máquina inspiradas no cérebro para aumentar a eficiência energética dos receptores sem fio.

Suas descobertas publicadas, "Realizando a detecção do símbolo verde por meio da computação de reservatórios:uma perspectiva de eficiência energética, "recebeu o prêmio de melhor artigo da IEEE Transmission, Acesso, e Comitê Técnico de Sistemas Ópticos.

Liu e Yi, professores associados e assistentes, respectivamente, no Departamento de Engenharia Elétrica e de Computação de Bradley, junto com o Ph.D. de Liu estudante Rubayet Shafin, estão colaborando com pesquisadores do Diretório de Informações do Laboratório de Pesquisa da Força Aérea dos EUA - Jonathan Ashdown, John Matyjas, Michael Medley, e Bryant Wysocki.

Essa combinação de técnicas permite que os sinais viajem do transmissor ao receptor usando vários caminhos ao mesmo tempo. A técnica oferece interferência mínima e fornece uma vantagem inerente sobre caminhos mais simples para evitar o desvanecimento de vários caminhos, que distorce visivelmente o que você vê quando assiste televisão pelo ar em um dia de tempestade, por exemplo.

“Uma combinação de técnicas e frequência traz muitos benefícios e é a principal tecnologia de acesso de rádio para redes 4G e 5G, "disse Liu." No entanto, detectar corretamente os sinais no receptor e transformá-los em algo que seu dispositivo entende pode exigir muito esforço computacional, e, portanto, energia. "

Liu e Yi estão usando redes neurais artificiais - sistemas de computação inspirados no funcionamento interno do cérebro - para minimizar a ineficiência. "Tradicionalmente, o receptor conduzirá estimativa de canal antes de detectar os sinais transmitidos, "disse Yi." Usando redes neurais artificiais, podemos criar uma estrutura completamente nova, detectando sinais transmitidos diretamente no receptor. "

Esta abordagem "pode ​​melhorar significativamente o desempenho do sistema quando é difícil modelar o canal, ou quando não for possível estabelecer uma relação direta entre a entrada e a saída, "disse Matyjas, o consultor técnico da Divisão de Computação e Comunicações do AFRL e um bolsista do Laboratório de Pesquisa da Força Aérea.

Reservoir Computing

A equipe sugeriu um método para treinar a rede neural artificial para operar de forma mais eficiente em um par transmissor-receptor usando uma estrutura chamada computação de reservatório - especificamente uma arquitetura especial chamada rede de estado de eco (ESN). Um ESN é um tipo de rede neural recorrente que combina alto desempenho com baixo consumo de energia.

"Essa estratégia nos permite criar um modelo que descreve como um sinal específico se propaga de um transmissor para um receptor, tornando possível estabelecer uma relação direta entre a entrada e a saída do sistema, "disse Wysocki, o engenheiro-chefe do Diretório de Informações do Laboratório de Pesquisa da Força Aérea.

Testando a eficiência

Liu, Yi, e seus colaboradores do AFRL compararam suas descobertas com os resultados de abordagens de treinamento mais estabelecidas - e descobriram que seus resultados eram mais eficientes, especialmente no lado do receptor.

"Simulação e resultados numéricos mostraram que o ESN pode fornecer um desempenho significativamente melhor em termos de complexidade computacional e convergência de treinamento, "disse Liu." Comparado com outros métodos, isso pode ser considerado uma opção 'verde'. "