康奈尔大学研究人员在芯片上构建首个"微波大脑"

这款处理器今日详述于《自然·电子》期刊，是首个真正意义上的微波神经网络全集成硅基微芯片。它能实时执行频域计算任务，包括无线电信号解码、雷达目标追踪和数字数据处理，整体功耗低于200毫瓦。

"由于具备在宽频带上可编程瞬时失真能力，该芯片可灵活适配多种计算任务，"首席作者Bal Govind解释道。这位与Maxwell Anderson（同为博士生）共同完成研究的学者表示："它绕过了数字计算机通常需要的大量信号处理步骤。"

该能力源于其神经网络芯片设计——这种模拟大脑的计算机系统采用可调波导产生的互联模式，能识别数据模式并自主学习。但与依赖数字运算和时钟定时逐步执行的传统神经网络不同，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评价道。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。"

该芯片既能执行底层逻辑运算，也能完成比特序列识别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88%以上，与数字神经网络相当，但功耗和体积仅为后者的极小部分。

"传统数字系统中，任务越复杂就需要更多电路、功耗和纠错机制来维持精度，"Govind指出，"而我们的概率方法能在简单和复杂计算中均保持高精度，无需额外开销。"

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，例如检测跨微波多频段无线通信中的异常。

"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，无需事事依赖云服务器。"

尽管尚处实验阶段，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科学与技术设施（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。