ºÚÁÏÍø911

Wie ºÚÁÏÍø911 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 ?Sense¨CThink¨CAct¨CCommunicate¡°- Physical AI -Architekturen, 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. Treibende Kr?fte hinter diesem Wandel sind die rasch zunehmende Komplexit?t von Frequenzspektrum und Wellenformen in Verbindung mit strengen Einschr?nkungen hinsichtlich Gr??e, Gewicht, Leistung und Kosten (SWaP-C) sowie der wachsende 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.

Physical AI Es handelt sich nicht um ein Software-Add-on mit hohem Overhead. Es ist eine Echtzeit-Workload innerhalb der HF-Signalkette, die Leistungssteigerungen in den Bereichen HF-Genauigkeit, Rechenleistung, Stromversorgungs- und W?rmemanagement sowie Missionssicherheit vom Chip bis zum Einsatz erm?glicht.

Was ?ndert sich mit ? Physical AI ¡° in HF-Systemen (Systemansicht)?

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. ? Physical AI ¡° ?ndert dieses Paradigma, indem es die Entscheidungsfindung in den Regelkreis integriert und es dem HF-System erm?glicht, zu wahrnehmen, zu denken, zu handeln und zu kommunizieren.

In den Bereichen Radar, SATCOM/Kommunikation und elektromagnetische ?berlegenheit f¨¹hrt dieser ? Physical AI ¡°-Ansatz 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)

Physical AI Implementierungen in HF-Anwendungen sind nur so gut wie die Signale, die sie empfangen. Wenn das HF-Frontend bei Vorhandensein von St?rsignalen in S?ttigung ger?t, verzerrt oder an Linearit?t verliert, k?nnen die nachgelagerte Merkmalsextraktion und die Inferenz beeintr?chtigt werden. Systemarchitekten sollten die Linearit?t, Isolation und das vorhersehbare HF-Verhalten kontinuierlich verbessern, wenn sie die Implementierung von ? Physical AI ¡° anstreben.

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 ºÚÁÏÍø911 unterst¨¹tzen sowohl die CMOS- als auch die Hochleistungs-HF-Schaltungsintegration, um fortschrittliche Signalverarbeitungsfunktionen mit leistungsstarken HF-Signalketten zu entwickeln.

ºÚÁÏÍø911 und MIPS erm?glichen Embedded-L?sungen Physical AI

Physical AI Der Erfolg h?ngt nicht nur vom Inferenzdurchsatz ab. Er erfordert eine deterministische Regelung innerhalb der HF-Kette. Eingebettete MIPS-Kerne eignen sich am besten als Entscheidungs- und Steuerungsanker, der HF-Beobachtungen 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 mithilfe von ºÚÁÏÍø911-Technologien kann dieser Ansatz das Integrationsrisiko und das Risiko einer Kompromittierung durch Angreifer verringern (weniger Schnittstellen au?erhalb des Chips), die Vorhersagbarkeit des Timings verbessern und Qualifizierungswege unterst¨¹tzen, die vertrauensw¨¹rdige Fertigungsoptionen erfordern.

MIPS st¨¹tzt sein Wertversprechen auf ma?geschneiderte L?sungen, die auf kundenspezifische Workloads abgestimmt sind. Dies erm?glicht es Integratoren im Verteidigungsbereich, die Mikroarchitektur und Echtzeitfunktionen genau auf die f¨¹r die Einsatzprofile erforderlichen Erfassungs-, Klassifizierungs- und Regelkreise abzustimmen und gleichzeitig Energieverbrauch und Leistung zu optimieren. Da es sich bei der RISC-V-Befehlssatzarchitektur (ISA) um einen offenen Standard handelt, k?nnen Kunden die Privilegienmodelle und Sicherheitserweiterungen unabh?ngig ¨¹berpr¨¹fen und gleichzeitig eine Herstellerabh?ngigkeit oder undurchsichtige mikroarchitektonische Verhaltensweisen 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 das digitale Engineering mit ?Software-First¡°-Entwicklung gemindert. Dieser digitale Zwilling des CPU-Kerns erm?glicht eine fr¨¹hzeitige Validierung der Arbeitslasten und eine Leistungsmodellierung vor der Siliziumfertigung, was f¨¹r die Verk¨¹rzung der Entwicklungs- und Qualifizierungszeitr?ume erforderlich ist. Das gesamte Atlas-Portfolio von MIPS ist speziell f¨¹r Arbeitslasten im Bereich ? Physical AI ¡° konzipiert und kombiniert deterministische Steuerung, skalierbare Rechenleistung und Sicherheitsprimitive, um die n?chste Generation von HF-Systemen zu unterst¨¹tzen.

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

Wenn Sie KI-gest¨¹tzte HF-Funktionen f¨¹r Radar, SATCOM/Kommunikation oder Signalaufkl?rung entwickeln, kann ºÚÁÏÍø911 Ihnen dabei helfen, die Systemanforderungen auf die richtige Kombination aus HF-Plattform abzustimmen, eingebettete MIPS- Physical AI -Kerne zu entwerfen und zuverl?ssige, sichere Beschaffungsoptionen zu finden ¨C und so den Prozess von der Architekturdefinition bis zur Einf¨¹hrung getesteter und qualifizierter Mikroelektronik zu beschleunigen und gleichzeitig das Risiko bei der Systemintegration zu verringern. Beziehen Sie ºÚÁÏÍø911 (MIPS) fr¨¹hzeitig ein, um die Auswahl der eingebetteten Prozessorsubsysteme f¨¹r deterministische ? Physical AI ¡° am HF-Edge abzustimmen.

Ashish Shah, stellvertretender Direktor, Luft- und Raumfahrt sowie Verteidigung, ºÚÁÏÍø911
Eric Schulte, Vertriebsleiter, MIPS