康奈尔大学研究人员在芯片上研发出首块“微波大脑”

该处理器详情今日发表于《自然电子学》杂志，它是首个真正的微波神经网络，完全集成于硅微芯片上。它为无线电信号解码、雷达目标跟踪和数字数据处理等任务执行实时频域计算，所有操作功耗均低于200毫瓦。

"由于它能在宽频带范围内以可编程方式瞬时实现信号畸变，因此可重新用于多种计算任务，"主要作者巴尔·戈文德表示。这位博士研究生与同为博士研究生的麦克斯韦·安德森共同完成了此项研究。"它绕过了数字计算机通常需要执行的大量信号处理步骤。"

该能力源于芯片采用神经网络设计——这是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。这使其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逐步指令的传统神经网络不同，该网络在微波频段利用模拟非线性行为，使其能处理数十吉赫兹的数据流，速度远超大多数数字芯片。

"巴尔摒弃了大量传统电路设计才实现这一突破，"工程学教授艾丽莎·阿普塞尔表示。她与应⽤和工程物理学副教授彼得·麦克马洪共同担任资深作者。"他并未试图精确模仿数字神经网络结构，而是创造出更像受控混合频率行为的东西，最终实现高性能计算。"

该芯片既能执行底层逻辑功能，也能完成高速数据中的比特序列识别或二进制值计数等复杂任务。在涉及无线信号类型的多项分类任务中，其准确率达88%或更高，与数字神经网络相当，但功耗和尺寸仅为后者的几分之一。

"在传统数字系统中，随着任务复杂度增加，需要更多电路、更大功耗和额外纠错来维持精度，"戈文德指出。"但通过我们的概率方法，无论是简单还是复杂计算，都能保持高精度而无须额外开销。"

研究人员表示，该芯片对输入的极端敏感性使其非常适合硬件安全应用，例如跨多个微波频段感知无线通信中的异常。

"我们认为若能进一步降低功耗，还可部署至边缘计算等场景，"阿普塞尔补充道，"可将其集成于智能手表或手机，在本地设备构建原生模型，无须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。他们正探索提升精度的方法，并尝试将其集成至现有微波与数字处理平台。

此项工作源于美国国防高级研究计划局支持的大型项目中的探索性研究，并在康奈尔纳米尺度科学与技术设施（部分资金来自美国国家科学基金会）完成研发。