Learning and inference for wireless communications applications using in-memory analog computing

Kablosuz iletişim teknolojilerindeki üstel büyüme, merkezi olmayan cihazlar ve sistemlerde daha verimli ve akıllı sinyal işleme ihtiyacını doğurmuştur. Geleneksel dijital hesaplama mimarileri, artan bu hesaplama taleplerini karşılamada giderek zorlanmakta, bu da performans darboğazlarına ve enerji verimsizliklerine yol açmaktadır. Bu sorun, sınırlı hesaplama yeteneklerine ve ciddi enerji sınırlamalarına sahip uç cihazlarda daha da önemli hale gelmektedir. Makine öğrenimi algoritmalarının bellek içi analog hesaplama ile, özellikle memristör tabanlı mimarilerle entegrasyonu, geleneksel olmayan bir hesaplama paradigması sunmakta ve uç cihazların enerji verimliliğini potansiyel olarak artırabilmektedir. Bu araştırma hem depolama hem de hesaplama yapabilen memristörlerin özelliklerinden faydalanarak, kablosuz iletişimin sinyal işleme görevlerinde gecikme ve güç tüketimini potansiyel olarak azaltma yollarını incelemektedir. Bu çalışma, kablosuz iletişimde derin öğrenme ve çıkarım için memristör tabanlı analog hesaplamayı üç ana alanda incelemektedir: hücresel ağ trafiği tahmini, nesnelerin interneti cihazları için çoklu sensörlü hava üstü çıkarım ve kutup kodları için sinirsel ardışık iptal kod çözme. Araştırma, ağ trafiği yönetimi için azaltılmış hesaplama yükü ile kabul edilebilir tahmin doğruluğu sunan analog hesaplamalardaki gürültü nedeniyle performansın düşmesine karşı dayanıklı eğitim tekniklerinin geliştirilmesini içermektedir. Ayrıca, analog sensörler ile bellek içi hesaplama kullanılarak L_p-norm ilhamlı bir sensör füzyon yöntemi için daha verimli çoklu sensör veri füzyonunu araştırmaktadır. Bunun yanı sıra, kutup kodları için sinirsel ardışık iptal kod çözücülerine analog memristör hesaplamasının entegrasyonunu inceleyerek, daha enerji verimli kod çözme algoritmalarına ulaşılabileceğini öne sürmektedir. Tezin bulguları, enerji verimliliğinde potansiyel iyileştirmeler önermekte ve kablosuz iletişim uygulamaları için bellek içi hesaplamanın faydalarını ve sınırlamalarını anlamamızı sağlamaktadır.