Pour surmonter ce problème, les expéditeurs encodent les données avant qu’elles ne soient transmises, puis un récepteur utilise un algorithme de décodage pour corriger les erreurs et récupérer le information d’origine. Dans certains cas, les données sont reçues avec des informations de fiabilité qui aident le décodeur à déterminer quelles get-togethers d’une transmission sont probablement des erreurs.
Des chercheurs du MIT et d’ailleurs ont développé une puce de décodage qui utilise un nouveau modèle statistique pour utiliser ces informations de fiabilité d’une manière beaucoup as well as very simple et plus rapide que les strategies conventionnelles.
Leur puce utilise un algorithme de décodage universel que l’équipe a précédemment développé, qui peut démêler n’importe quel code de correction d’erreur. En règle générale, le matériel de décodage ne peut traiter qu’un variety particulier de code. Cette nouvelle puce de décodage universelle a battu le record de décodage économe en énergie, avec des performances entre 10 et 100 fois meilleures que les autres matériels.
Cette avancée pourrait activer les appareils mobiles avec moins de puces, vehicle ils n’auraient furthermore besoin de matériel séparé pour plusieurs codes. Cela réduirait la quantité de matériaux nécessaires à la fabrication, réduirait les coûts et améliorerait la durabilité. En rendant le processus de décodage moins énergivore, la puce pourrait également améliorer les performances de l’appareil et prolonger la durée de vie de la batterie. Cela pourrait être particulièrement utile pour les apps exigeantes telles que la réalité augmentée et virtuelle et les réseaux 5G.
Les co-auteurs de Médard incluent l’auteur principal Arslan Riaz, étudiant diplômé à l’Université de Boston (BU) Rabia Tugce Yazicigil, professeure adjointe de génie électrique et informatique à la BU et Ken R. Duffy, alors directeur de l’Institut Hamilton de l’Université Maynooth et maintenant professeur à l’Université Northeastern, ainsi que d’autres du MIT, BU et de l’Université Maynooth. Le travail est présenté à l’International Strong-States Circuits Convention.
Tri furthermore clever
Les données numériques sont transmises sur un réseau sous forme de bits ( et 1). Un expéditeur encode les données en ajoutant un code de correction d’erreur, qui est une chaîne redondante de et de 1 pouvant être considérée comme un hachage. Les informations sur ce hachage sont conservées dans un livre de codes spécifique. Un algorithme de décodage au niveau du récepteur, conçu pour ce code particulier, utilise son livre de codes et la composition de hachage pour récupérer les informations d’origine, qui peuvent avoir été brouillées par du bruit. Étant donné que chaque algorithme est spécifique au code et que la plupart nécessitent un matériel dédié, un appareil aurait besoin de plusieurs puces pour décoder différents codes.
Les chercheurs ont précédemment démontré GRAND (Guessing Random Additive Sound Decoding), un algorithme de décodage universel qui peut déchiffrer n’importe quel code. GRAND fonctionne en devinant le bruit qui a affecté la transmission, en soustrayant ce modèle de bruit des données reçues, puis en vérifiant ce qui reste dans un livre de codes. Il devine une série de modèles de bruit dans l’ordre dans lequel ils sont susceptibles de se produire.
Les données sont souvent reçues avec des informations de fiabilité, également appelées informations logicielles, qui aident un décodeur à déterminer quelles pièces sont des erreurs. La nouvelle puce de décodage, appelée ORBGRAND (Requested Trustworthiness Bits GRAND), utilise ces informations de fiabilité pour trier les données en fonction de la probabilité que chaque bit soit une erreur.
Mais ce n’est pas aussi straightforward que de commander des bits uniques. Alors que le bit le moins fiable peut être l’erreur la moreover possible, peut-être que les troisième et quatrième bits les moins fiables ensemble sont aussi susceptibles d’être une erreur que le septième little bit le moins fiable. ORBGRAND utilise un nouveau modèle statistique qui peut trier les bits de cette manière, considérant que plusieurs bits ensemble sont aussi susceptibles d’être une erreur que certains bits uniques.
“Si votre voiture ne fonctionne pas, des informations informelles pourraient vous dire que c’est probablement la batterie. Mais si ce n’est pas la batterie seule, c’est peut-être la batterie et l’alternateur ensemble qui causent le problème. C’est ainsi qu’un personne rationnelle résoudrait les problèmes – vous diriez que cela pourrait en fait être ces deux choses ensemble avant de passer à quelque chose qui est beaucoup moins possible “, dit Médard.
Il s’agit d’une approche beaucoup additionally efficace que les décodeurs traditionnels, qui examineraient plutôt la framework du code et auraient des performances généralement conçues pour le pire des cas.
“Avec un décodeur traditionnel, vous extrayez le approach de la voiture et examinez chaque pièce. Vous trouverez le problème, mais cela vous prendra beaucoup de temps et vous serez très frustré”, explique Médard.
ORBGRAND arrête le tri dès qu’un mot de code est trouvé, ce qui est souvent très rapide. La puce utilise également la parallélisation, générant et testant plusieurs modèles de bruit simultanément afin de trouver le mot de code in addition rapidement. Étant donné que le décodeur cesse de fonctionner une fois qu’il a trouvé le mot de code, sa consommation d’énergie reste faible même s’il exécute plusieurs processus simultanément.
Efficacité report
Lorsqu’ils ont comparé leur approche à d’autres puces, ORBGRAND a décodé avec une précision maximale tout en ne consommant que, 76 picojoules d’énergie par little bit, battant le précédent file de performances. ORBGRAND consomme entre 10 et 100 fois moins d’énergie que les autres appareils.
L’un des plus grands défis du développement de la nouvelle puce est venu de cette consommation d’énergie réduite, explique Médard. Avec ORBGRAND, la génération de séquences de bruit est désormais si économe en énergie que d’autres processus sur lesquels les chercheurs ne s’étaient pas concentrés auparavant, comme la vérification du mot de code dans un livre de codes, consomment la majeure partie de l’effort.
“Maintenant, ce processus de vérification, qui revient à allumer la voiture pour voir si elle fonctionne, est la partie la plus difficile. Nous devons donc trouver des moyens furthermore efficaces de le faire”, dit-elle.
L’équipe check out également des moyens de modifier la modulation des transmissions afin de tirer parti de l’efficacité améliorée de la puce ORBGRAND. Ils prévoient également de voir remark leur method pourrait être utilisée pour gérer moreover efficacement plusieurs transmissions qui se chevauchent.
La recherche est financée, en partie, par la US Protection Advanced Research Assignments Company (DARPA) et la Science Basis Eire.