Integration physikalischer KI am RF-Edge für Verteidigungssysteme

Wie GlobalFoundries und MIPS „Wahrnehmen–Denken–Handeln–Kommunizieren“-Architekturen für Radar, Satellitenkommunikation und elektromagnetische Überlegenheit ermöglichen.

RF-Plattformen im Verteidigungsbereich entwickeln sich von „Sense-and-Stream“-Architekturen hin zu physikalischen KI-Architekturen nach dem Prinzip „Wahrnehmen – Denken – Handeln – Kommunizieren“, bei denen Inferenz und Steuerung so nah wie möglich an der Antenne stattfinden, um Entscheidungszyklen zu verkürzen und die Leistung in umkämpften Umgebungen zu verbessern. Dieser Wandel wird durch die rasch zunehmende Komplexität von Frequenzspektrum und Wellenformen vorangetrieben, gepaart mit strengen Einschränkungen hinsichtlich Größe, Gewicht, Leistung und Kosten (SWaP-C) sowie dem wachsenden Bedarf an zuverlässiger Mikroelektronik in sensiblen Verteidigungsanwendungen.

In der Praxis benötigen Betreiber HF-Systeme, die sich an eine hohe Frequenzbelegung, Interferenzen, Stör- und Täuschmanöver, Mehrwegausbreitung sowie komplexe multifunktionale Sensoranwendungen anpassen können, ohne auf Backhaul-Verbindungen mit hoher Latenz zu zentralen Rechenzentren angewiesen zu sein. Da das Frequenzspektrum immer stärker ausgelastet ist und Entscheidungen zunehmend in Echtzeit getroffen werden müssen, müssen 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, Energie- und Wärmemanagement sowie Missionssicherheit vom Chip bis zur Bereitstellung ermöglicht.

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

Herkömmliche HF-Architekturen erfassen, digitalisieren und übertragen Daten häufig an nachgelagerte Verarbeitungsstufen, was zu einer eingeschränkten Fähigkeit führt, schnell auf dynamische Bedrohungen oder sich ändernde Ausbreitungsbedingungen zu reagieren. Physikalische KI verändert dieses Paradigma, indem sie die Entscheidungsfindung in den Regelkreis integriert und es dem HF-System ermöglicht, zu wahrnehmen, zu denken, zu handeln und zu kommunizieren.

Im Bereich Radar, Satellitenkommunikation und elektromagnetischer Vorteile führt 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 näher am Sensor stattfinden – wodurch Latenzzeiten und Bandbreitenbedarf reduziert und gleichzeitig die Ausfallsicherheit verbessert werden.

Drei Herausforderungen auf Systemebene, die es zu bewältigen gilt

1) HF-Genauigkeit (große 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 Störsignalen in die Sättigung geht, verzerrt oder an Linearität verliert, kann dies die nachgelagerte Merkmalsextraktion und Inferenz beeinträchtigen. Systemarchitekten sollten bei der Implementierung physikalischer KI weiterhin daran arbeiten, die Linearität, Isolation und das vorhersehbare HF-Verhalten zu verbessern.

Beispielergebnisse:

• Radar: Ein höheres Signal-Rausch-Verhältnis verbessert die KI-gestützte Verarbeitung und Klassifizierung von Störsignalen und Interferenzen.
• SATCOM/Kommunikation: Ein stabiles Verhalten des Frontends verbessert die Entscheidungen zur Interferenzvermeidung und zur Verbindungsanpassung.
• Signalaufklärung: Eine hohe Isolation schützt die Merkmalsextraktion für die Echtzeitklassifizierung und Geolokalisierung bei Emittern am selben Standort.

2) SWaP-C + thermischer Spielraum für In-Loop-Inferenz und -Regelung

Die Implementierung von Intelligenz auf dieser Ebene erhöht den Rechen- und Speicherbedarf in der Nähe des HF-Sensors. Viele Verteidigungsplattformen unterliegen strengen Einschränkungen hinsichtlich Stromverbrauch, Wärmeentwicklung und Größe, erfordern jedoch gleichzeitig ein deterministisches Timing. Eingebettete Prozessoren ermöglichen ereignisgesteuerte „Rechenbursts“ (Rechenvorgänge bei Bedarf, Rückkehr zum energiesparenden Überwachungsmodus 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 über robuste Schutzmaßnahmen für Vertraulichkeit und Integrität sowie eine nachprüfbare Rückverfolgbarkeit der Herkunft verfügen. Um den Gegner abzuwehren, sind zudem weniger anfällige mikroelektronische Bauteile erforderlich, die einen größeren Teil der digitalen und HF-Funktionen integrieren. Für adaptive Systeme benötigen die Hauptakteure zudem einen zuverlässigen Weg für sichere Updates (Firmware und Modelle) über sichere Kommunikationskanäle. Die Technologien von GF unterstützen sowohl die CMOS- als auch die Hochleistungs-HF-Schaltungsintegration, um fortschrittliche Signalverarbeitungsfunktionen mit leistungsstarken HF-Signalketten zu entwickeln.

GF und MIPS ermöglichen eingebettete physikalische KI

Der Erfolg physikalischer KI hängt 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 Maßnahmen umsetzt und so die lokale Klassifizierung, die Auswahl von Richtlinien sowie die Echtzeitanpassung der HF-Signalkette unterstützt. Durch die Integration mit GF-Technologien kann dieser Ansatz das Risiko von Integrationsfehlern und Kompromittierung durch Angreifer verringern (weniger Schnittstellen außerhalb des Chips), die Vorhersagbarkeit des Timings verbessern und Qualifizierungsprozesse unterstützen, die vertrauenswürdige Fertigungsoptionen erfordern.

MIPS stützt sein Wertversprechen auf maßgeschneiderte Lösungen, die auf kundenspezifische Arbeitslasten abgestimmt sind. Dies ermöglicht es Integratoren im Verteidigungsbereich, die Mikroarchitektur und Echtzeitfunktionen genau auf die für Einsatzprofile erforderlichen Erfassungs-, Klassifizierungs- und Regelkreise abzustimmen und gleichzeitig Energieverbrauch und Leistung zu optimieren. Da die RISC-V-Befehlssatzarchitektur (ISA) ein offener Standard ist, können Kunden die Privilegienmodelle und Sicherheitserweiterungen unabhängig verifizieren und gleichzeitig eine Herstellerabhängigkeit oder undurchsichtige Verhaltensweisen der Mikroarchitektur vermeiden. Darüber hinaus ermöglicht der offene Standard von RISC-V maßgeschneiderte ISA-Erweiterungen, Hardware-Roots-of-Trust und domänenspezifische kryptografische Beschleuniger. Die Missionsfähigkeit wird verbessert und Integrationsrisiken werden durch den Einsatz der virtuellen Plattform MIPS Atlas Explorer für Digital Engineering mit Software-First-Entwicklung gemindert. Dieser digitale Zwilling des CPU-Kerns ermöglicht eine frühzeitige Workload-Validierung und Leistungsmodellierung vor der Siliziumfertigung, was für die Verkürzung von Entwicklungs- und Qualifizierungszeiträumen erforderlich ist. Das gesamte Atlas-Portfolio von MIPS ist speziell für Physical-AI-Workloads konzipiert und kombiniert deterministische Steuerung, skalierbare Rechenleistung und Sicherheitsprimitive, um die nächste Generation von RF-Systemen zu unterstützen.

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

Wenn Sie KI-gestützte HF-Funktionen für Radar, Satellitenkommunikation (SATCOM) oder Signalaufklärung entwickeln, kann GlobalFoundries Ihnen dabei helfen, die Systemanforderungen auf die richtige Kombination aus HF-Plattform abzustimmen, eingebettete MIPS-Kerne für physikalische KI zu entwerfen und zuverlässige, sichere Lieferoptionen zu finden – 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 GF (MIPS) frühzeitig ein, um die Auswahl der eingebetteten Prozessorsubsysteme für deterministische physikalische KI am RF-Edge abzustimmen.

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