康奈尔大学研究人员研制出首款"微波大脑"芯片

该处理器今日详述于期刊《自然-电子学》，是首个真正意义上的微波神经网络，并完全集成在一块硅微芯片上。它为无线信号解码、雷达目标跟踪和数字数据处理等任务执行实时频域计算，且功耗低于200毫瓦。

"因其能在宽频带上瞬时进行可编程失真，该处理器可被重新用于多项计算任务，"主要作者巴尔·戈文德表示。这位博士研究生与同为博士生的麦克斯韦·安德森共同开展了此项研究。"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——一种模仿大脑的计算机系统，利用可调波导中产生的互连模式。这使得它能够识别模式并从数据中学习。但与依赖数字操作和时钟定时分步指令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，使其能够处理数十吉赫兹的高速数据流，远快于大多数数字芯片。

"巴尔摒弃了大量传统电路设计来实现这一点，"工程学教授阿莉莎·阿普塞尔表示，她与工程物理系副教授彼得·麦克马洪共同担任资深作者。"他没有试图完全复制数字神经网络的结构，而是创造了一种更像可控混合体的频率行为，最终可实现高性能计算。"

该芯片既能执行底层逻辑功能，也能完成复杂任务，例如识别比特序列或统计高速数据中的二进制值。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，与数字神经网络相当，但功耗和尺寸仅为后者的一小部分。

"在传统数字系统中，随着任务复杂度增加，需要更多电路、更大功耗和更多纠错机制来维持精度，"戈文德说。"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。"

研究人员指出，该芯片对输入的极端敏感性使其非常适合硬件安全应用，例如感知跨多个微波频段的无线通信异常。

"我们还认为若能进一步降低功耗，便可将其部署于边缘计算等应用场景，"阿普塞尔表示。"可将其集成于智能手表或手机，在智能设备上构建本地模型，无需事事依赖云服务器。"

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。他们正探索提高精度的方法，并尝试将其集成到现有微波及数字处理平台中。

此项工作源于美国国防高级研究计划局与康奈尔纳米尺度科学技术设施（部分资金来自美国国家科学基金会）共同支持的大型项目中的探索性研究。