Wdrażanie fizycznej AI na obrzeżach sieci radiowej w systemach obronnych

Platformy RF (Radio Frequency) dla sektora obronnego ewoluują od architektur typu „wykryj i przesyłaj” w kierunku fizycznych architektur AI typu „wykryj–zastanów się–działaj–komunikuj się”, w których wnioskowanie i sterowanie odbywają się jak najbliżej anteny, aby skrócić pętle decyzyjne i poprawić wydajność w środowiskach o ograniczonej widoczności. Zmiana ta wynika z szybko rosnącej złożoności widma i przebiegów, w połączeniu z rygorystycznymi ograniczeniami dotyczącymi rozmiarów, masy, mocy i kosztów (SWaP-C), a także z rosnącego zapotrzebowania na niezawodną mikroelektronikę we wrażliwych zastosowaniach obronnych.

Źródło: Freepik

W praktyce operatorzy potrzebują systemów radiowych, które potrafią dostosować się do zagęszczonego widma, zakłóceń, zakłócania/fałszowania sygnałów, zjawiska wielodrożności oraz złożonych operacji wielofunkcyjnych czujników, bez konieczności polegania na łączach zwrotnych o dużym opóźnieniu prowadzących do scentralizowanych zasobów obliczeniowych. W miarę jak widmo staje się coraz bardziej zatłoczone, a decyzje powinny być podejmowane w czasie rzeczywistym, systemy obronne muszą przeprojektować architekturę radiową, aby osiągnąć przewagę elektromagnetyczną w terenie działań, dzięki zamkniętej pętli i inteligencji działającej na obrzeżach sieci.

Fizyczna sztuczna inteligencja nie jest dodatkiem do oprogramowania wiążącym się z wysokimi kosztami ogólnymi. Jest to obciążenie w czasie rzeczywistym w łańcuchu sygnałów RF, które napędza ulepszenia wydajności w zakresie wierności RF, mocy obliczeniowej, projektowania zasilania/termicznego oraz zapewnienia misji, od krzemu aż po wdrożenie.

Zmiany wprowadzane przez fizyczną AI w systemach radiowych (perspektywa systemowa)

Tradycyjne architektury radiowe często ograniczają się do przechwytywania, digitalizacji i przesyłania danych do dalszego przetwarzania, co skutkuje ograniczoną zdolnością do szybkiego reagowania na dynamiczne zagrożenia lub zmieniające się warunki propagacji. Fizyczna sztuczna inteligencja zmienia ten paradygmat, wprowadzając proces podejmowania decyzji do pętli sterowania, umożliwiając systemowi radiowemu wykrywanie – analizowanie – działanie – komunikowanie się.

W przypadku radarów, SATCOM/komunikacji i przewagi elektromagnetycznej to podejście oparte na fizycznej sztucznej inteligencji przekłada się na energooszczędne funkcje, takie jak adaptacyjny wybór przebiegu, planowanie wiązki/trybu, rozpoznawanie/unikanie zakłóceń, klasyfikacja emiterów i selekcja widmowa odbywające się bliżej czujnika — co zmniejsza opóźnienia i zapotrzebowanie na przepustowość, jednocześnie poprawiając odporność.

Trzy wyzwania na poziomie systemu, którym należy sprostać:

1. Jakość sygnału radiowego (szerokie pasmo widmowe + gęste zakłócenia)

Skuteczność fizycznych implementacji sztucznej inteligencji w zastosowaniach radiowych zależy od jakości odbieranych sygnałów. Jeśli przedwzmacniacz radiowy ulegnie nasyceniu, zniekształci się lub straci liniowość w obecności zakłóceń blokujących, może to negatywnie wpłynąć na późniejsze etapy ekstrakcji cech i wnioskowania. Architekci systemów powinni nieustannie dążyć do poprawy liniowości, izolacji i przewidywalności zachowania układów radiowych w kontekście wdrażania fizycznej sztucznej inteligencji.

Przykładowe wyniki:

• Radar: wyższy stosunek sygnału do szumu poprawia obsługę i klasyfikację zakłóceń/interferencji wspomaganą przez AI.
• SATCOM/Komunikacja: stabilne działanie przedwzmacniacza poprawia unikanie zakłóceń i decyzje dotyczące adaptacji łącza.
• Wywiad sygnałowy: wysoka izolacja chroni ekstrakcję cech na potrzeby klasyfikacji w czasie rzeczywistym i geolokalizacji w obecności nadajników znajdujących się w tej samej lokalizacji.

2. SWaP-C + rezerwa termiczna na potrzeby wnioskowania i sterowania w pętli

Wdrożenie funkcji inteligentnych na tym poziomie wiąże się z dodatkowymi wymaganiami dotyczącymi mocy obliczeniowej i pamięci w pobliżu czujnika RF. Wiele platform obronnych podlega rygorystycznym ograniczeniom dotyczącym zasilania, temperatury i rozmiarów, a jednocześnie wymaga deterministycznej synchronizacji. Procesory wbudowane umożliwiają sterowane zdarzeniami „serie obliczeń” (wnioskowanie w razie potrzeby, powrót do monitorowania przy niskim poborze mocy w stanie bezczynności) oraz zapewniają przewidywalne ścieżki sterowania, aby utrzymać stabilność pętli wykrywania przy zachowaniu ograniczeń.

3. Nieprzerwane dostawy mikroelektroniki

Gotowość i odstraszanie wymagają zapewnionego dostępu do komponentów mikroelektronicznych, które są bezpiecznie zaprojektowane, wyprodukowane i przetestowane, z solidnymi zabezpieczeniami poufności i integralności oraz weryfikowalną identyfikowalnością pochodzenia. Powstrzymanie przeciwnika wymaga również mniej podatnej na ataki mikroelektroniki, która integruje więcej funkcji cyfrowych i radiowych. W przypadku systemów adaptacyjnych podmioty kluczowe potrzebują również wiarygodnej ścieżki bezpiecznych aktualizacji (oprogramowania układowego i modeli) za pośrednictwem bezpiecznej komunikacji. Technologie GF obsługują zarówno integrację układów CMOS, jak i wysokowydajnych obwodów radiowych w celu projektowania zaawansowanych funkcji przetwarzania sygnałów z wykorzystaniem wysokowydajnych łańcuchów sygnałów radiowych.

GF i MIPS umożliwiają wdrażanie fizycznej AI

Sukces fizycznej sztucznej inteligencji zależy nie tylko od przepustowości wnioskowania. Wymaga ona deterministycznego sterowania w pętli zamkniętej w obrębie łańcucha RF. Rdzenie wbudowane MIPS najlepiej sprawdzają się jako punkt odniesienia dla podejmowania decyzji i sterowania, który przekształca obserwacje RF w odpowiednie działania, wspierając lokalną klasyfikację, wybór zasad oraz modyfikację łańcucha sygnałowego RF w czasie rzeczywistym. Dzięki integracji z technologiami GF podejście to może zmniejszyć ryzyko związane z integracją i atakami przeciwników (mniej interfejsów poza chipem), poprawić przewidywalność czasową oraz wspierać ścieżki kwalifikacyjne wymagające zaufanych opcji produkcyjnych.

MIPS ma rozwiązania dostosowane do konkretnych obciążeń roboczych. Umożliwia to integratorom z sektora obronnego dostosowanie mikroarchitektury i funkcji czasu rzeczywistego do dokładnych pętli wykrywania, klasyfikacji i sterowania wymaganych przez profile misji, przy jednoczesnej optymalizacji zużycia energii i wydajności. Ze względu na otwarty standard architektury zestawu instrukcji (ISA) RISC-V, można przeprowadzać niezależną weryfikację modeli uprawnień i rozszerzeń bezpieczeństwa, unikając jednocześnie uzależnienia od dostawcy lub jakichkolwiek nieprzejrzystych zachowań mikroarchitektury.

Ponadto otwarty standard RISC-V umożliwia dostosowane rozszerzenia ISA, sprzętowe korzenie zaufania oraz akceleratory kryptograficzne specyficzne dla danej dziedziny. Zdolności misji są zaawansowane, a ryzyko związane z integracją jest ograniczane dzięki wykorzystaniu wirtualnej platformy MIPS Atlas Explorer do inżynierii cyfrowej z rozwojem opartym na oprogramowaniu. Ten cyfrowy bliźniak rdzenia procesora zapewnia wczesną walidację obciążenia i modelowanie wydajności przed produkcją krzemu, niezbędne do skrócenia czasu rozwoju i kwalifikacji. Produkty Atlas firmy MIPS są zaprojektowane dla fizycznych obciążeń AI poprzez połączenie sterowania deterministycznego, skalowalnych obliczeń i prymitywów bezpieczeństwa w celu obsługi systemów RF nowej generacji.

Wbudowane rdzenie fizycznej sztucznej inteligencji MIPS na obrzeżach sieci RF:

• Deterministyczne sterowanie w czasie rzeczywistym w celu zamknięcia pętli „wykryj→zastanów się→działaj→komunikuj” w pobliżu ścieżki danych RF;
• Konfigurowalna architektura umożliwiająca dostosowanie mocy obliczeniowej do sterowania RF oraz lekkich procesów wnioskowania’
• Integracja o niskim poborze mocy zgodna z SWaP‑C;
• Bezpieczne wdrożenie dostosowane do obsługi platform o długiej żywotności oraz kontrolowanych aktualizacji w ramach zaufanych procesów projektowania, produkcji i testowania.

Ashish Shah, zastępca dyrektora ds. lotnictwa i obronności, GlobalFoundries
Eric Schulte, dyrektor ds. sprzedaży, MIPS