Un grupo de investigadores del Instituto Tecnológico de Massachussets (MIT) y sus socios han desarrollado un chip decodificador, llamado ORBGRAND (Bits de confiabilidad ordenados GRAND), que emplea un nuevo modelo estadístico para usar la información de confiabilidad de una manera mucho más simple, rápida y energéticamente eficiente que las técnicas convencionales. Podría ser especialmente útil para aplicaciones exigentes como la realidad virtual (VR), la realidad aumentada (AR) y las redes 5G.
En el envío de información, los remitentes codifican los datos antes de que se transmitan y luego un receptor utiliza un algoritmo de decodificación para corregir errores y recuperar el mensaje original. En algunos casos, los datos se reciben con información de confiabilidad que ayuda al decodificador a determinar qué partes de una transmisión son probablemente errores.
El chip del MIT utiliza el algoritmo de decodificación universal GRAND (Guessing Random Additive Noise Decoding), que puede desentrañar cualquier código de corrección de errores. Por lo general, el hardware de decodificación solo puede procesar un tipo particular de código, mientras que este nuevo chip decodificador universal ha batido el récord de decodificación energéticamente eficiente, con un rendimiento entre 10 y 100 veces mejor que otro hardware.
Este avance podría habilitar dispositivos móviles con menos chips, ya que ya no necesitarían hardware separado para múltiples códigos, lo que permitiría reducir la cantidad de material necesario para la fabricación, disminuyendo los costos y mejorando la sustentabilidad. Al hacer que el proceso de decodificación consuma menos energía, el chip también podría mejorar el rendimiento del dispositivo y prolongar la vida útil de la batería.
Clasificación de datos
Los datos digitales se transmiten a través de una red en forma de bits (0 y 1). Un remitente codifica los datos agregando un código de corrección de errores, que es una cadena redundante de 0 y 1 que se puede ver como un hash. Un algoritmo de decodificación en el receptor usa su libro de códigos y la estructura hash para recuperar la información original, que puede haber sido alterada por el ruido. Los investigadores demostraron que GRAND funciona adivinando el ruido que afectó a la transmisión, restando ese patrón de ruido de los datos recibidos y luego verificando lo que queda en un libro de códigos. Adivina una serie de patrones de ruido en el orden en que es probable que ocurran.
Los datos a menudo se reciben con información de confiabilidad, también llamada información blanda, que ayuda a un decodificador a determinar qué piezas son errores. El nuevo chip de decodificación ORBGRAND utiliza esta información de confiabilidad para clasificar los datos en función de la probabilidad de que cada bit sea un error. Para ello, utiliza un nuevo modelo estadístico que puede clasificar los bits, teniendo en cuenta que varios bits juntos tienen la misma probabilidad de ser un error que algunos bits individuales.
Consumo energético del chip
El nuevo chip deja de clasificar tan pronto como se encuentra una palabra clave. Para localizar esta palabra, el chip emplea la paralelización, generando y probando múltiples patrones de ruido simultáneamente. Debido a que el decodificador deja de funcionar una vez que encuentra la palabra clave, su consumo de energía se mantiene bajo a pesar de que ejecuta múltiples procesos simultáneamente.
Los investigadores comprobaron que ORBGRAND decodificó con la máxima precisión mientras consumía solo 0,76 picojulios de energía por bit, lo que supone un consumo entre 10 y 100 veces menos de energía que otros dispositivos.
El equipo también está explorando formas de cambiar la modulación de las transmisiones para que puedan aprovechar la eficiencia mejorada del chip ORBGRAND, al tiempo que planean ver cómo se podría utilizar su técnica para administrar de manera más eficiente múltiples transmisiones que se superponen.
La entrada El MIT desarrolla un chip decodificador energéticamente eficiente para las redes 5G, VR y AR aparece primero en CASADOMO.
