康奈尔大学研究人员研发出首个「微波大脑」芯片

该处理器今日详述于《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，并完全集成于硅微芯片上。它能实时执行频域计算任务，如射频信号解码、雷达目标跟踪和数字数据处理，同时功耗低于200毫瓦。

「由于它能在宽频带上即时以可编程方式实现信号畸变，因此可重新配置用于多种计算任务，」主要作者巴尔·戈文德表示。这位博士生与同为博士生的麦克斯韦·安德森共同完成了研究。「它绕过了数字计算机通常需要执行的大量信号处理步骤。」

这一能力源于该芯片的神经网络设计——种模拟大脑的计算机系统，利用可调波导产生的互连模式。这使其能够识别数据模式并进行学习。但与依赖数字运算和时钟定时逐步指令的传统神经网络不同，该网络在微波频段采用模拟非线性行为，可处理数十千兆赫兹的数据流，速度远超大多数数字芯片。

「巴尔摒弃了许多传统电路设计来实现这一突破，」工程学教授阿莉莎·阿普塞尔表示，她与应用与工程物理学副教授彼得·麦克马洪共同担任资深作者。「他没有试图精确复制数字神经网络结构，而是创造出一种更接近频率行为的受控混合状态，最终实现高性能计算。」

该芯片既能执行基础逻辑功能，也能完成复杂任务（如识别比特序列或高速数据中的二进制计数）。在涉及无线信号类型的多项分类任务中，其准确率达到88%或更高，与数字神经网络性能相当，但功耗和尺寸显著减小。

「传统数字系统中，任务越复杂就需要更多电路、更高功耗和纠错机制来维持精度，」戈文德指出。「但通过我们的概率方法，无论简单或复杂计算都能保持高精度，无需额外开销。」

研究人员表示，该芯片对输入信号的极端敏感性使其特别适用于硬件安全领域，例如检测跨多个微波频段的无线通信异常。

「我们还认为若进一步降低功耗，可将其部署于边缘计算等场景，」阿普塞尔说，「可集成于智能手表或手机中，在智能设备上构建本地模型，无需完全依赖云端服务器。」

尽管该芯片仍处于实验阶段，研究人员对其可扩展性持乐观态度。他们正尝试提升精度并将其集成到现有微波与数字处理平台中。

该成果源自国防高级研究计划署资助的大型项目中的探索性研究，部分资金由美国国家科学基金会通过康奈尔纳米尺度科学技术中心提供。