ÌÇÐÄÊÓƵ

Wie ÌÇÐÄÊÓƵ und MIPS ?Wahrnehmen¨CDenken¨CHandeln¨CKommunizieren¡°-Architekturen f¨¹r Radar, Satellitenkommunikation und elektromagnetische ?berlegenheit erm?glichen.

RF-Plattformen im Verteidigungsbereich entwickeln sich von ?Sense-and-Stream¡°-Architekturen hin zu physikalischen KI-Architekturen nach dem Prinzip ?Wahrnehmen ¨C Denken ¨C Handeln ¨C Kommunizieren¡°, bei denen Inferenz und Steuerung so nah wie m?glich an der Antenne stattfinden, um Entscheidungszyklen zu verk¨¹rzen und die Leistung in umk?mpften Umgebungen zu verbessern. Dieser Wandel wird durch die rasch zunehmende Komplexit?t von Frequenzspektren und Wellenformen vorangetrieben, gepaart mit strengen Einschr?nkungen hinsichtlich Gr??e, Gewicht, power Kosten (SWaP-C) sowie dem wachsenden Bedarf an zuverl?ssiger Mikroelektronik in sensiblen Verteidigungsanwendungen.

In der Praxis ben?tigen Betreiber HF-Systeme, die sich an eine hohe Frequenzbelegung, Interferenzen, St?r- und T?uschman?ver, Mehrwegausbreitung sowie komplexe multifunktionale Sensoranwendungen anpassen k?nnen, ohne auf Backhaul-Verbindungen mit hoher Latenz zu zentralen Rechenzentren angewiesen zu sein. Da das Frequenzspektrum immer st?rker ausgelastet ist und Entscheidungen zunehmend in Echtzeit getroffen werden m¨¹ssen, m¨¹ssen Verteidigungssysteme ihre HF-Architekturen neu gestalten, um durch geschlossene Regelkreise und am Netzwerkrand angesiedelte Intelligenz einen elektromagnetischen Vorteil im Einsatzgebiet zu erzielen.

Physikalische KI ist kein Software-Add-on mit hohem Overhead. Es handelt sich um eine Echtzeit-Workload innerhalb der HF-Signalkette, die Leistungssteigerungen in Bezug auf HF-Genauigkeit, Rechenleistung, power sowie Missionssicherheit vom Chip bis zum Einsatz erm?glicht.

Was ?ndert sich durch die physikalische KI in HF-Systemen (Systemansatz)

Herk?mmliche HF-Architekturen erfassen, digitalisieren und ¨¹bertragen Daten h?ufig an nachgelagerte Verarbeitungsstufen, was zu einer eingeschr?nkten F?higkeit f¨¹hrt, schnell auf dynamische Bedrohungen oder sich ?ndernde Ausbreitungsbedingungen zu reagieren. Physikalische KI ver?ndert dieses Paradigma, indem sie die Entscheidungsfindung in den Regelkreis integriert und es dem HF-System erm?glicht, zu wahrnehmen, zu denken, zu handeln und zu kommunizieren.

Im Bereich Radar, Satellitenkommunikation und elektromagnetischer Vorteile f¨¹hrt dieser Ansatz der physikalischen KI zu energieeffizienten Funktionen wie der adaptiven Wellenformauswahl, der Strahl-/Modusplanung, der Erkennung und Vermeidung von Interferenzen, der Klassifizierung von Sendern und der spektralen Triage, die n?her am Sensor stattfinden ¨C wodurch Latenzzeiten und Bandbreitenbedarf reduziert und gleichzeitig die Ausfallsicherheit verbessert werden.

Drei Herausforderungen auf Systemebene, die es zu bew?ltigen gilt

1) HF-Genauigkeit (gro?e spektrale Bandbreite + starke Interferenzen)

Physikalische KI-Implementierungen in HF-Anwendungen sind nur so gut wie die Signale, die sie empfangen. Wenn das HF-Frontend bei St?rsignalen in die S?ttigung geht, verzerrt oder an Linearit?t verliert, kann dies die nachgelagerte Merkmalsextraktion und Inferenz beeintr?chtigen. Systemarchitekten sollten bei der Implementierung physikalischer KI weiterhin daran arbeiten, die Linearit?t, Isolation und das vorhersehbare HF-Verhalten zu verbessern.

Beispielergebnisse:

• Radar: Ein h?heres Signal-Rausch-Verh?ltnis verbessert die KI-gest¨¹tzte Verarbeitung und Klassifizierung von St?rsignalen und Interferenzen.
• SATCOM/Kommunikation: Ein stabiles Verhalten des Frontends verbessert die Entscheidungen zur Interferenzvermeidung und zur Verbindungsanpassung.
• Signalaufkl?rung: Eine hohe Isolation sch¨¹tzt die Merkmalsextraktion f¨¹r die Echtzeitklassifizierung und Geolokalisierung bei Emittern am selben Standort.

2) SWaP-C + thermischer Spielraum f¨¹r In-Loop-Inferenz und -Regelung

Die Implementierung von Intelligenz auf dieser Ebene erh?ht den Rechen- und Speicherbedarf in der N?he des HF-Sensors. Viele Verteidigungsplattformen unterliegen strengen Einschr?nkungen power, W?rmeentwicklung und Gr??e, erfordern jedoch gleichzeitig ein deterministisches Timing. Eingebettete Prozessoren erm?glichen ereignisgesteuerte ?Rechenbursts¡° (Rechenvorg?nge bei Bedarf, R¨¹ckkehr zumpower im Leerlauf) und bieten vorhersehbare Steuerpfade, um den Erfassungszyklus stabil zu halten und gleichzeitig die Vorgaben einzuhalten.

3) Unterbrechungsfreie Versorgung mit einwandfreier Mikroelektronik

Einsatzbereitschaft und Abschreckung erfordern einen gesicherten Zugang zu mikroelektronischen Bauteilen, die sicher konzipiert, gefertigt und getestet sind und ¨¹ber robuste Schutzma?nahmen f¨¹r Vertraulichkeit und Integrit?t sowie eine nachpr¨¹fbare R¨¹ckverfolgbarkeit der Herkunft verf¨¹gen. Um den Gegner abzuwehren, sind zudem weniger anf?llige mikroelektronische Bauteile erforderlich, die einen gr??eren Teil der digitalen und HF-Funktionen integrieren. F¨¹r adaptive Systeme ben?tigen die Hauptakteure zudem einen zuverl?ssigen Weg f¨¹r sichere Updates (Firmware und Modelle) ¨¹ber sichere Kommunikationskan?le. Die Technologien von ÌÇÐÄÊÓƵ unterst¨¹tzen sowohl die CMOS- als auch die Hochleistungs-HF-Schaltungsintegration, um fortschrittliche Signalverarbeitungsfunktionen mit leistungsstarken HF-Signalketten zu entwickeln.

ÌÇÐÄÊÓƵ und MIPS erm?glichen eingebettete physikalische KI

Der Erfolg physikalischer KI h?ngt von mehr als nur dem Inferenzdurchsatz ab. Er erfordert eine deterministische Regelung innerhalb der HF-Kette. Eingebettete MIPS-Kerne eignen sich am besten als Entscheidungs- und Steuerungsanker, der HF-Messwerte in zeitnahe Ma?nahmen umsetzt und so die lokale Klassifizierung, die Auswahl von Richtlinien sowie die Echtzeitanpassung der HF-Signalkette unterst¨¹tzt. Durch die Integration mit ÌÇÐÄÊÓƵ-Technologien kann dieser Ansatz das Risiko von Integrationsfehlern und Kompromittierung durch Angreifer verringern (weniger Schnittstellen au?erhalb des Chips), die Vorhersagbarkeit des Timings verbessern und Qualifizierungsprozesse unterst¨¹tzen, die vertrauensw¨¹rdige Fertigungsoptionen erfordern.

MIPS st¨¹tzt sein Wertversprechen auf ma?geschneiderte L?sungen, die auf kundenspezifische Arbeitslasten abgestimmt sind. Dies erm?glicht es Integratoren im Verteidigungsbereich, die Mikroarchitektur und Echtzeitfunktionen genau auf die f¨¹r Einsatzprofile erforderlichen Erfassungs-, Klassifizierungs- und Regelkreise abzustimmen und gleichzeitig power Leistung zu optimieren. Da die RISC-V-Befehlssatzarchitektur (ISA) ein offener Standard ist, k?nnen Kunden die Privilegienmodelle und Sicherheitserweiterungen unabh?ngig ¨¹berpr¨¹fen und gleichzeitig eine Herstellerabh?ngigkeit oder undurchsichtige Verhaltensweisen der Mikroarchitektur vermeiden. Dar¨¹ber hinaus erm?glicht der offene Standard von RISC-V ma?geschneiderte ISA-Erweiterungen, Hardware-Roots-of-Trust und dom?nenspezifische kryptografische Beschleuniger. Die Missionsf?higkeit wird verbessert und Integrationsrisiken werden durch den Einsatz der virtuellen Plattform MIPS Atlas Explorer f¨¹r Digital Engineering mit Software-First-Entwicklung gemindert. Dieser digitale Zwilling des CPU-Kerns erm?glicht eine fr¨¹hzeitige Workload-Validierung und Leistungsmodellierung vor der Siliziumfertigung, was f¨¹r die Verk¨¹rzung von Entwicklungs- und Qualifizierungszeitr?umen erforderlich ist. Das gesamte Atlas-Portfolio von MIPS ist speziell f¨¹r Physical-AI-Workloads konzipiert und kombiniert deterministische Steuerung, skalierbare Rechenleistung und Sicherheitsprimitive, um die n?chste Generation von RF-Systemen zu unterst¨¹tzen.

Von Anfang an die richtige RF-zu-KI-Architektur aufbauen

Wenn Sie KI-gest¨¹tzte HF-Funktionen f¨¹r Radar, Satellitenkommunikation (SATCOM) oder Signalaufkl?rung entwickeln, kann ÌÇÐÄÊÓƵ Ihnen dabei helfen, die Systemanforderungen auf die richtige Kombination aus HF-Plattform abzustimmen, eingebettete MIPS-Kerne f¨¹r physikalische KI zu entwerfen und zuverl?ssige, sichere Lieferoptionen zu finden ¨C und so den Prozess von der Architekturdefinition bis zur Bereitstellung praxiserprobter, qualifizierter Mikroelektronik zu beschleunigen und gleichzeitig das Risiko bei der Systemintegration zu verringern. Beziehen Sie ÌÇÐÄÊÓƵ (MIPS) fr¨¹hzeitig ein, um die Auswahl der eingebetteten Prozessorsubsysteme f¨¹r deterministische physikalische KI am RF-Edge abzustimmen.

Ashish Shah, stellvertretender Direktor, Luft- und Raumfahrt sowie Verteidigung, ÌÇÐÄÊÓƵ
Eric Schulte, Vertriebsleiter, MIPS