康奈尔大学研究人员在芯片上构建首个"微波大脑"

该处理器详细发表于《自然-电子学》期刊，是首个真正意义上的微波神经网络处理器，完全集成于硅微芯片上。它能实时执行频域计算任务，如无线电信号频域计算任务，如无线电信号解码、雷达目标追踪和数字数据处理，同时功耗不足200毫瓦。

"由于能瞬时在宽频带范围内进行可编程失真，该芯片可重配置执行多种计算任务，"首席作者Bal Govind解释道，这位与同为博士生的Maxwell Anderson共同完成研究的学者表示，"它绕过了数字计算机通常表示，"它绕过了数字计算机通常需要执行的大量信号处理步骤。"

这一能力源于芯片的神经网络设计——通过可调波导产生的互连模式模拟人脑计算系统。与传统依赖数字运算和时钟同步指令的神经网络不同，该网络利用微波领域的模拟非线性行为，可处理数十千兆赫兹的数据流，速度远超多数数字芯片。

"Bal摒弃了大量传统电路设计来实现这一突破，"工程学教授Alyssa Apsel表示，她与应用工程物理系副教授Peter McMahon共同担任资深作者，"他没有机械模仿数字神经网络结构，而是创造出一种更像可控频率行为混合体的设计，最终实现高性能计算。"

该芯片既能执行基础逻辑功能，也能完成识别比特序列或高速数据二进制计数等复杂任务。在涉及无线信号类型的多分类任务中，其准确率达到88%或更高，与数字神经网络相当，但功耗和体积显著减小。

"传统数字系统随着任务复杂度增加，需要更多电路、功耗和纠错机制来维持精度，"Govind指出，"而我们的概率计算方法无需额外开销，就能在简单和复杂计算中保持高精度。"

研究人员表示，芯片对输入信号的极端敏感性使其特别适合硬件安全应用，例如跨多频段微波通信的异常检测。

"我们认为若能进一步降低功耗，还可应用于边缘计算领域，"Apsel补充道，"可部署于智能手表或手机，在终端设备上构建原生模型，无需完全依赖云服务器。"

尽管仍处于实验阶段，研究人员对其可扩展性持乐观态度。目前正通过实验提升精度，并探索与现有微波及数字处理平台的集成方案。

该成果源自美国国防高级研究计划局和康奈尔纳米尺度科学技术设施（部分由美国国家科学基金会资助）支持的大型项目中的探索性研究。