باحثون يطورون طريقة تماثلية فعالة لتحويلات فورييه واسعة النطاق

قدّم باحثون في Sandia National Laboratories وInfineon Technologies وجامعة Arizona State University طريقة جديدة لتنفيذ تحويلات فورييه واسعة النطاق بكفاءة باستخدام الحوسبة التماثلية داخل الذاكرة. ويمكن لهذا النهج أن يحسّن بشكل كبير أداء التطبيقات التي تعتمد على تحويل فورييه السريع (FFT)، وهو أساسي في معالجة الإشارات الرقمية.

تحويلات فورييه حسابات رياضية تحدد الترددات داخل الإشارة وتكشف مساهمة كل منها. وتنفذ المعالجات الرقمية تقليدياً هذه الحسابات باستخدام خوارزمية FFT، التي تفكك تحويل فورييه الكبير إلى تحويلات أصغر، ما يؤدي إلى حسابات أسرع بقانون تحجيم O(N log N).

غير أن الحواسيب التماثلية، التي تعالج البيانات ككميات فيزيائية متصلة، لم تُستخدم عادةً في تحويلات فورييه الكبيرة. ويهدف الباحثون، عبر تكييف خوارزمية FFT مع الأنظمة التماثلية، إلى الاستفادة من كفاءة الطاقة في الحوسبة التماثلية مع الحفاظ على المزايا الحسابية لـ FFT.

تتضمن طريقة الفريق، المفصلة في ورقة نُشرت في Nature Electronics، تفكيك تحويل فورييه كبير إلى حسابات أصغر يمكن تنفيذها بالتوازي على شريحة تماثلية، بينما تُنجز خطوات أخرى رقمياً. وأشار T. Patrick Xiao، المؤلف الأول للورقة، إلى أن هذا النهج قد يعزز كفاءة ضرب المصفوفات، وهي وظيفة بالغة الأهمية في معالجة الذكاء الاصطناعي.

وقال Xiao: «لسنوات، كان فريقنا وكثيرون غيرنا يستكشفون الحوسبة التماثلية داخل الذاكرة كمسرّع عالي الكفاءة لضرب المصفوفات. لكن هذه العتاد لم يكن قادراً على تسريع أحد أهم الخوارزميات وأكثرها استخداماً في الحوسبة الحديثة كلها: FFT. بدا ذلك قيداً كبيراً».

استخدم الباحثون مصفوفة ذاكرة وميضية من نوع SONOS لتنفيذ حسابات تحويل فورييه الرئيسية. وتحتفظ كل خلية ذاكرة بشحنة كهربائية، ما يتيح لها تخزين القيم دون طاقة. وتمكّن هذه الدقة من توسيع مصفوفة الذاكرة لحساب تحويلات FFT كبيرة بكفاءة.

وفي تجاربهم، أظهر الفريق القدرة على معالجة تحويل FFT من 65,536 نقطة، متجاوزاً بذلك بكثير الأنظمة التماثلية السابقة التي لم تتجاوز 128 نقطة. وشدد Xiao على أن خصائص التحجيم في FFT تجعل التعامل مع تحويلات أكبر أسهل من قبل.

ويمكن للطريقة الجديدة أن تسهّل تنفيذ تحويلات كبيرة على شرائح تماثلية دون الحاجة إلى مصفوفة ذاكرة كبيرة بالتناسب، مع الحفاظ على مزايا الحوسبة التماثلية. وهذه القدرة مفيدة بشكل خاص للتطبيقات في البيئات المحدودة الطاقة، مثل أنظمة الاستشعار غير المتصلة بالشبكة الكهربائية.

وقال Xiao: «غالباً ما تُجرى هذه الحسابات على أنظمة استشعار تعاني نقص الطاقة وغير متصلة بالشبكة. وبإضافة الطرق التي قدمناها إلى ترسانتها، يمكن لشرائح الحوسبة داخل الذاكرة الآن تشغيل التطبيقات المكثفة بـ FFT والمكثفة بضرب المصفوفات على حد سواء».

وفقاً لنمذجة الباحثين، يمكن لنهجهم أن يقلل الطاقة اللازمة لمعالجة الإشارات، ما يجعله مفيداً للحوسبة الطرفية، حيث تعالج الأجهزة البيانات محلياً. وذكر Christopher Bennett، المؤلف الأخير للورقة، أن تنفيذ تحويلات FFT كبيرة باستخدام الحوسبة داخل الذاكرة سيعزز بشكل كبير أعباء عمل الاستشعار الطرفي، ما يتيح تصويراً بصرياً أو رادارياً بدقة أعلى.

اختبر الباحثون طريقتهم على إشارات صوتية أحادية البعد وصور ثنائية الأبعاد. ويقرون بضرورة إجراء مزيد من الاختبارات لتقييم كيف قد تؤثر أخطاء الحساب في الأنظمة التماثلية على الأداء في التطبيقات الواقعية. وستركز الدراسات المستقبلية على تقييم إمكانات نظامهم في الحوسبة الطرفية، لا سيما في أنظمة الاستشعار.

واختتم Xiao: «إن إيجاد أو تطوير أعباء العمل هذه واستخدامها لتقييم التقنية خطوة تالية مهمة».

المصدر: TechXplore