麻省理工设计光学AI处理器可高效分类无线信号，准确率达95%！
日前，美国麻省理工学院团队开发出一种专为无线信号处理而设计的全新人工智能（AI）硬件加速器。这种光学处理器能以光速进行机器学习运算，可在数十纳秒内完成无线信号分类，且准确率可达95%。其可广泛应用于高性能计算场景，远胜现有的数字AI加速器。相关研究成果以《RF-photonic deep learning processor with Shannon-limited data movement》为题目，发布在Science Advances杂志上。 T7E9l
i*`; /x'+
[attachment=132712] q5il9*)d (
新型光学处理器的艺术概念图。 m7z6c"?lB
传统的数字AI加速器需将无线信号转化为图像，再通过深度学习模型进行分类。这种方法尽管准确率高，但神经网络计算密集，响应速度难以满足微秒级甚至更低的延迟要求。 ]$)J/L(p/]
; qT~81
团队此次开发了一种专为信号处理设计的光学神经网络架构，利用光信号直接进行数据编码与处理，从而提升了计算效率，降低了能耗。这个称为“乘性模拟频域变换光学神经网络”（MAFT-ONN）的系统，在无线信号被数字化之前，就在频域中完成所有信号编码与机器学习运算，极大提升了可扩展性。 Q/T\Rr_d
[attachment=132713] wp w~[xd
MAFT-ONN 架构概述 !QoOL<(){
团队通过“光电乘法”技术，仅用一个设备就可集成1万个神经元并一次性完成所有乘法运算，无需为每个神经元单独配置硬件。同时，该网络可在光路中直接完成所有线性与非线性计算操作。实验显示，MAFT-ONN一次性分类的准确率达85%，结合多次测量后可迅速提升至99%以上。整个过程耗时仅约120纳秒，远快于传统数字射频设备的微秒级AI推理速度。 yQ)y#5/<6
`.PZx %=
该芯片尤其适用于未来6G通信场景，例如认知无线电，可根据无线环境变化自动调整调制方式，从而优化数据传输。此外，它还可为边缘计算设备赋能，如协助自动驾驶汽车实现快速响应，或为智能起搏器提供实时健康监测能力。 *Q bPz4,"
相关链接：https://doi.org/10.1126/sciadv.adt3558
|