התארגנות להקמת מאגד ל A2I2C2 @ Edge
מסלול מאגדי מחקר יישומי
מועד אחרון להגשה
08/10/2026 12:00חטיבות
תשתיות חדשנותתמצית
קבוצת יזמים, בהובלת גילת רשתות לווין ו- CEVA וקבוצות מחקר מהטכניון, ומאוניברסיטת בן גוריון מתארגנת לקראת הגשת הצעה להקמת מאגד למחקר ופיתוח תשתית חדשנית לרכיבים המיועדים למימוש ממשק האויר של התקשורת ב-Edge על ידי שימוש בכלי למידה עמוקה.
קהל יעד
חברות גרעין המאגד מחפשות שותפים נוספים בעלי היכולות הבאות (השותפים יידרשו לעמוד בתנאי הסף של רשות החדשנות להשתתפות במאגד):
חברות מסחריות
- מיקוד עסקי בפיתוח וייצור רכיבים לשימושי AI לתקשורת המיועדים ליחידות הקצה. (או/ו מכירת IP לשילוב ברכיבים לצרכים אלו).
- ניסיון במחקר ופיתוח של זיכרונות לשילוב ברכיבים אשר להם צפיפות מידע גבוהה וצריכת הספק נמוכה.
- ניסיון במחקר ופיתוח של שיטות חישוב זמן אמת, בעלות יכולת תמיכה בקצבי מידע גבוהים במיוחד וצריכת אנרגיה נמוכה.
- ניסיון בשילוב של חומרה ומודלים מתקדמים של AI.
- ניסיון מוכח בשיתופי פעולה תעשייה–אקדמיה.
קבוצות מחקר באקדמיה
- קבוצות מחקר אקדמיות אשר ישתלבו בחוד החנית המדעי של פעילות המאגד, ויובילו את פיתוח הידע, המודלים וההוכחות הניסיוניות הנדרשות להקמת תשתית לרכיבים דלי הספק אשר מיועדים למימוש שכבת התקשורת הפיזית באמצעות מודולי AI:
- מומחיות מוכחת של תכנון זכרון משולב ברכיבים אשר לו צפיפות מידע גבוהה לצריכת הספק נמוכה.
- תכנון רכיבי VLSI בטכנולוגיות מתקדמות המשלבות יכולות אנלוגיות, ספרתיות והיברידיות כולל טכנולוגיות כגון spike-time-dependent plasticity.
- מעבדות לביצוע בדיקות של רכיבי VLSI מתקדמים כולל יכולת למדידת ביצועים.
- מחקר ופיתוח מודלים מתקדמים של AI לשכבת ה-PHY של התקשורת.
- מעבדות תקשורת מתקדמות אשר כוללות יכולות סימולציות ומדידות של ביצועים מקצה לקצה.
- הכשרת כוח אדם והעברת ידע
הובלת סטודנטים לתארים מתקדמים ופוסט-דוקטורנטים בתחומי הליבה של המאגד, יצירת רצף ידע מתמשך, פרסומים מדעיים תומכים והעברת ידע שיטתית לשותפים התעשייתיים כחלק מהפעילות המגובשת של המאגד.
תיאור
על מסלול המאגדים
מסלול מאגדי מחקר יישומי של רשות החדשנות, המופעל על ידי חטיבת תשתיות וחדשנות, נועד לעודד מחקר ופיתוח של טכנולוגיות חדשניות בחזית הידע ולהקנות יתרון יחסי לתעשייה הישראלית בשווקים בינלאומיים.
מאגד במסלול זה הוא התאגדות של תאגידים תעשייתיים ומוסדות מחקר אקדמיים לביצוע מו"פ גנרי וטרום מוצרי על בסיס שיתופי פעולה מהותיים בין חבריו, מתוך מטרה להשיג יחד יכולות ותוצרים שאינם ניתנים להשגה ביעילות על ידי כל שותף בנפרד.
חזון המאגד
מימוש של ממשק האויר (Air Interface) באמצעות כלי AI ביחידות הקצה Edge בביצועים גבוהים וצריכת הספק נמוכה. רכיבים שיפותחו במאגד זה ישמשו ליישומי AI בשכבות הפיזיות בתקשורת.
המיקוד הטכנולוגי של המאגד
אנו עדים לשימוש גובר והולך ב-AI במערכות תקשורת. כולל מגמה של שימוש ב- AI למימוש שכבת ה- PHY בתקשורת. מגמה נוספת הינה פיתוח רכיבים אופטימליים להרצת מודלי שפה LLM ב-Edge ורכיבים אחרים אופטימליים לשימושי חוזי VLM. מחקרים מבססים את ההבטחה כי שימוש ב AI לשכבת ה PHY בתקשורת יכול לתת ביצועים טובים יותר על אלו המתקבלים בשיטות קלסיות. הכוונה, בצד הקליטה, לקבל את דגימות הערוץ ותוך שימוש במודלי AI לשחזר את סיביות המידע ששודרו. כלומר, לממש את כל שרשרת הקליטה באמצעות AI. בשלב ה-Inference השימוש יעשה באמצעות רכיבי האצה האופטימליים לשימושי התקשורת. נפתח חומרה ומודלים האופטימליים לשימושי תקשורת – CLM – Communication Language Model. בעולם התפתחו רכיבים האופטימליים ל VLM, במאגד נפתח רכיבים האופטימליים לשימושי CLM. השימוש ברכיבים שיפותחו יאפשרו ביצועים גבוהים וצריכת הספק נמוכה. השימוש בכלי AI למטרה זו יאפשר מימוש של סטנדרטי תקשורת שונים, יאפשר למערכת להסתגל לסביבות תקשורת שונות ללא שינויי חומרה וכן יאפשר שיפור בביצועים ככל שדורות החומרה יתקדמו.
הטכנולוגיה המוצעת דורשת תכן משולב של חומרה ותוכנה עבור מודלי CLM קלים וייעודיים, יחד עם מאיצי Edge AI אופטימליים לעיבוד שכבת ה־PHY בתקשורת אלחוטית
עיבוד AI לתקשורת דורש:
- טיפול בקצב מידע גבוה במיוחד לטיפול בקצבי תקשורת גבוהים
- רזולוצית קוונטיזציה גבוהה לקבלת דיוק נדרש לישומי תקשורת
- יכולת עיבוד ותמיכה במודולים מתקדמים לתקשורת. היכולת לתמוך במודלים חדשים ומשתנים וכן ביכולת לשלב המשך למידה במקביל לשלבי ה-Inference
- צריכת הספק לסיבית נמוכה במיוחד לטובת שימוש ביחידות הקצה
הטכנולוגיות שיפותחו
המאגד מתרכז במחקר ופיתוח של רכיבים המיועדים לתמוך בצורה אופטימלית במודלים המיוחדים של AI ל PHY.
- מחקר משולב של חומרה ותוכנה. השפעה הדדית של מודלי ה AI והחומרה.
- מחקר ופיתוח של רכיבי זכרון מיוחדים ברכיב אשר להם יכולת לשמור מידע בצורה אופטימלית הן מבחינת היכולת לשמור יותר מידע בפחות שטח ובפחות הספק. כגון memristive memories ו Ternary Bitcell
- מחקר ופיתוח של יכולת עיבוד מהירה כגון IMC.
- ייבחנו אפשרויות לשילוב טכנולוגיות חישוב שונות, כגון חישוב קוונטי, חישוב אנלוגי או רכיבים היברידיים,
- מחקר של SNN spiking neural networks לחישוביות בעלת ניצולת אנרגטית גבוהה.
להצעת הצטרפות ויצירת קשר
חברות וקבוצות מחקר המבקשות להצטרף למאגד מתבקשות למלא את טופס ההצטרפות לא יאוחר מ- 8/10/2026.
לקבלת מידע נוסף אודות המאגד המוצע ניתן לפנות ליוזמי המאגד – אבי גל [email protected] או/ו שי אדר [email protected]
לקבלת פרטים נוספים על מסלול המאגדים ניתן לפנות למשה אברהמי מרשות החדשנות, [email protected].