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，完全集成在硅微芯片上。它能以低于200毫瓦的功耗，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。

"由于能在宽频带上即时进行可编程的波形畸变，该芯片可灵活适配多种计算任务，"首席作者巴尔·戈文德表示。这位与同为博士生的麦克斯韦·安德森共同完成研究的学者解释道："它绕过了数字计算机通常需要执行的大量信号处理步骤。"

该芯片的神经网络设计使其具备这种能力——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，能识别模式并从数据中学习。但与依赖数字操作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突破，"工程学教授阿丽莎·阿普塞尔评价道，她与应用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类分类任务中，其准确率达到88%或更高，与数字神经网络相当，但功耗和体积仅为后者的几分之一。

"传统数字系统中，任务越复杂就需要更多电路、功耗和纠错机制来保持精度，"戈文德指出，"但通过我们的概率方法，无论简单还是复杂计算都能保持高精度，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，例如检测跨多个微波频段的无线通信异常。

"我们认为若能进一步降低功耗，还可应用于边缘计算等领域，"阿普塞尔说，"可以部署在智能手表或手机上，直接在智能设备上构建原生模型，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。他们正在探索提高精度的方法，并尝试将其集成到现有微波和数字处理平台中。

这项研究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支持的更大项目中的探索性工作，后者部分资金来自美国国家科学基金会。