Les chercheurs sont toujours à la recherche de communications plus fiables et plus efficaces, pour tout, des téléviseurs et téléphones portables aux satellites et appareils médicaux.

Une technique générant du buzz pour sa haute qualité de signal est une combinaison de techniques à entrées multiples et sorties multiples avec un multiplexage par répartition orthogonale de la fréquence.

Les chercheurs de Virginia Tech, Lingjia Liu et Yang (Cindy) Yi, utilisent des techniques d'apprentissage automatique inspirées du cerveau pour augmenter l'efficacité énergétique des récepteurs sans fil.

Leurs conclusions publiées, "Réaliser la détection des symboles verts via le calcul des réservoirs :une perspective d'efficacité énergétique, " a reçu le Best Paper Award de l'IEEE Transmission, Accès, et Comité technique des systèmes optiques.

Liu et Yi, professeurs associés et assistants respectivement au département de génie électrique et informatique Bradley, avec le doctorat de Liu. étudiant Rubayet Shafin, collaborent avec des chercheurs de la Direction de l'information du Laboratoire de recherche de l'US Air Force—Jonathan Ashdown, Jean Matyjas, Michael Medley, et Bryant Wysocki.

Cette combinaison de techniques permet aux signaux de voyager de l'émetteur au récepteur en utilisant plusieurs chemins en même temps. La technique offre une interférence minimale et offre un avantage inhérent par rapport aux chemins plus simples pour éviter l'évanouissement par trajets multiples, ce qui déforme sensiblement ce que vous voyez lorsque vous regardez la télévision en direct un jour de tempête, par exemple.

« Une combinaison de techniques et de fréquence apporte de nombreux avantages et constitue la principale technologie d'accès radio pour les réseaux 4G et 5G, " dit Liu. " Cependant, détecter correctement les signaux au niveau du récepteur et les transformer en quelque chose que votre appareil comprend peut nécessiter beaucoup d'efforts de calcul, et donc de l'énergie."

Liu et Yi utilisent des réseaux de neurones artificiels, des systèmes informatiques inspirés du fonctionnement interne du cerveau, pour minimiser l'inefficacité. "Traditionnellement, le récepteur effectuera une estimation de canal avant de détecter les signaux transmis, " a déclaré Yi. "En utilisant des réseaux de neurones artificiels, nous pouvons créer un tout nouveau cadre en détectant les signaux transmis directement au niveau du récepteur."

Cette approche « peut améliorer considérablement les performances du système lorsqu'il est difficile de modéliser le canal, ou lorsqu'il n'est pas possible d'établir une relation directe entre l'entrée et la sortie, " dit Matyjas, le conseiller technique de la division informatique et communications de l'AFRL et un boursier du laboratoire de recherche de l'armée de l'air.

Informatique de réservoir

L'équipe a suggéré une méthode pour entraîner le réseau de neurones artificiels à fonctionner plus efficacement sur une paire émetteur-récepteur à l'aide d'un cadre appelé calcul de réservoir, en particulier une architecture spéciale appelée réseau à état d'écho (ESN). Un ESN est une sorte de réseau de neurones récurrents qui combine hautes performances et faible énergie.

"Cette stratégie nous permet de créer un modèle décrivant comment un signal spécifique se propage d'un émetteur à un récepteur, permettant d'établir une relation directe entre l'entrée et la sortie du système, " dit Wysocki, l'ingénieur en chef de la Direction de l'information du laboratoire de recherche de la Force aérienne.

Tester l'efficacité

Liu, Oui, et leurs collaborateurs de l'AFRL ont comparé leurs résultats avec les résultats d'approches de formation plus établies et ont constaté que leurs résultats étaient plus efficaces, surtout côté récepteur.

"La simulation et les résultats numériques ont montré que l'ESN peut fournir des performances nettement meilleures en termes de complexité de calcul et de convergence de la formation, " dit Liu. " Par rapport à d'autres méthodes, cela peut être considéré comme une option « verte ».