Platform frekuensi radio baru mencapai 85% akurasi sinyal real-time di bawah satu watt
Perusahaan teknologi yang berbasis di Australia, BrainChip, telah meluncurkan platform perangkat keras baru yang dirancang untuk mengklasifikasikan sinyal frekuensi radio (RF) secara real-time sambil beroperasi dengan daya kurang dari satu watt, menargetkan aplikasi pertahanan dan intelijen yang memerlukan pemrosesan di edge. Disebut Platform Referensi Komunikasi Akida, sistem ini dibangun berdasarkan prosesor neuromorfik Akida AKD1500 milik perusahaan dan ditujukan untuk kontraktor pertahanan, lembaga pemerintah, vendor radio yang ditentukan perangkat lunak, dan pengembang edge AI. Platform ini melakukan klasifikasi sinyal RF langsung pada perangkat, sehingga menghilangkan kebutuhan akan konektivitas cloud atau perangkat keras komputasi besar. BrainChip mengatakan sistem ini dirancang untuk lingkungan di mana ketersediaan daya, kendala termal, dan keterbatasan ukuran membuat solusi konvensional berbasis GPU atau FPGA sulit diterapkan. Penerapan potensialnya mencakup sistem intelijen sinyal genggam, kendaraan udara tak berawak, terminal komunikasi satelit, dan teknologi pertahanan portabel lainnya. AI mengatasi ancaman RF Menurut BrainChip, platform ini dapat mengidentifikasi lebih dari 20 jenis modulasi sinyal secara real-time sambil mempertahankan akurasi lebih dari 85% pada rasio signal-to-noise sebesar 30 desibel. Sistem pemrosesan sinyal digital tradisional biasanya mengandalkan pendekatan berbasis aturan yang sulit mengidentifikasi sinyal baru atau yang sengaja diubah. BrainChip mengatakan pendekatan AI neuromorfiknya memungkinkan sistem menangkap bentuk gelombang yang tidak diketahui dan menggunakannya untuk pelatihan ulang model di masa depan, sehingga memungkinkan adaptasi terhadap ancaman nirkabel yang muncul. Perusahaan berpendapat bahwa fleksibilitas ini mengatasi keterbatasan utama sistem klasifikasi RF yang ada, yang seringkali memerlukan sumber daya komputasi yang signifikan dan sulit diperbarui karena perubahan kondisi operasional. Platform ini juga dirancang untuk mendukung penerapan bertenaga baterai yang memerlukan pengoperasian berkelanjutan tanpa akses ke infrastruktur eksternal. “Platform Referensi Komunikasi Akida dari BrainChip membuktikan bahwa kecerdasan sinyal real-time dapat diringkas menjadi solusi bertenaga baterai portabel untuk memperluas jangkauan pilihan penerapan,” kata Sean Hehir, CEO BrainChip. Dibangun untuk penerapan edge Platform ini tersedia untuk evaluasi dan integrasi mitra sebagai kit desain referensi. Mendukung integrasi dengan front end radio yang ditentukan perangkat lunak seperti USRP B205mini dan EPIQ Sidekiq. Sistem host, termasuk perangkat seperti Raspberry Pi 5, dapat digunakan untuk mengelola aliran data dan pengembangan aplikasi. BrainChip mengatakan tim teknik dapat menggunakan platform tersebut untuk membuat prototipe kemampuan intelijen, pengawasan dan pengintaian, serta aplikasi intelijen sinyal yang lebih luas. Peluncuran ini memperluas portofolio platform referensi edge AI milik perusahaan di luar radar dan sistem fusi sensor. BrainChip mengatakan penawaran baru ini menunjukkan bagaimana komputasi neuromorfik dapat diterapkan pada beban kerja pemrosesan RF yang biasanya membutuhkan perangkat keras yang lebih besar dan lebih haus daya. Peluncuran ini dilakukan ketika lembaga pertahanan dan penyedia komunikasi semakin mengeksplorasi alat pemantauan spektrum bertenaga AI yang mampu beroperasi di lingkungan terpencil dan penuh persaingan. Dengan mengurangi konsumsi daya dan kebutuhan perangkat keras, sistem tersebut dapat mengaktifkan kemampuan kesadaran RF pada platform yang lebih kecil yang sebelumnya tidak memiliki sumber daya komputasi yang memadai. Ketika pengguna militer dan komersial terus mendorong kemampuan AI lebih dekat ke sensor dan sumber data, prosesor berdaya rendah yang mampu menjalankan inferensi tingkat lanjut menjadi semakin penting untuk pengambilan keputusan secara real-time di lingkungan yang tidak terhubung.
Diterbitkan : 2026-06-23 18:41:00
sumber : interestingengineering.com
