Una ricerca vuole migliorare le connessioni Wireless basandosi sui meccanismi del cervello

Alcuni Ricercatori del Virginia Tech stanno utilizzando tecniche di apprendimento automatico, basate sulle stesse meccaniche del cervello, per aumentare l'efficienza energetica dei ricevitori wireless.

Le loro scoperte, pubblicate nel paper "Realizing Green Symbol Detection Via Reservoir Computing: An Energy-Efficiency Perspective", hanno ricevuto il premio per il miglior paper dal comitato tecnico IEEE (Institute of Electrical and Electronics Engineers).

Volendo riassumere in poche parole: I ricercatori stanno adoperando una metodologia, che è a sua volta combinazione di altre tecniche, che consente ai segnali di spostarsi dal trasmettitore al ricevitore tramite più "path" (percorsi) contemporaneamente. La tecnica è caratterizzata da interferenze molto piccole e permette di evitare fenomeni come il "Multipath Fading", ovvero il fenomeno per cui il segnale è notevolmente distorto quando perturbato da eventi come, ad esempio, il forte vento durante una tempesta, che rende l'immagine "sbiadita".

"Una combinazione di metodologie porta molti vantaggi ed è la principale tecnologia per le reti 4G e 5G", spiega Lingjia Liu, una ricercatrice del Virginia Tech. "Tuttavia, rilevare correttamente i segnali sul ricevitore e trasformarli in qualcosa che il tuo dispositivo capisce può richiedere un grande sforzo computazionale, e quindi energia".

Ed è qui che entrano in gioco le reti neurali: La ricercatrice spiega che "Usando reti neurali artificiali, è possibile creare una struttura completamente nuova rilevando i segnali trasmessi direttamente al ricevitore". Questo approccio "può migliorare significativamente le prestazioni del sistema quando è difficile modellare il canale, o quando può non essere possibile stabilire una relazione diretta tra l'input e l'output", aggiunge Matyjas, consulente tecnico della Divisione Informatica e Comunicazione dell'AFRL in collaborazione con il laboratorio di ricerca Air Force.

Il team ha suggerito un metodo per addestrare la rete neurale artificiale ad operare in modo più efficiente utilizzando un framework chiamato "reservoir computing", in particolare si tratta di un'architettura chiamata echo state network (ESN) che è una sorta di rete neurale che combina alte prestazioni e bassa energia.

"Questa strategia ci consente di creare un modello che descrive come un segnale specifico si propaga da un trasmettitore a un ricevitore, rendendo possibile stabilire una relazione diretta tra l'input e l'output del sistema", ha affermato Wysocki, technical advisor della AFRL's Computing and Communications Division.

"La simulazione e i risultati numerici hanno dimostrato che l'ESN può fornire prestazioni significativamente migliori in termini di complessità computazionale", ha affermato Liu, evidenziando inoltre che rispetto ad altri metodi, può essere considerato un'opzione "ecologica".