康奈尔大学研究人员首次在芯片上构建"微波大脑"

该处理器今日详细发表于《自然·电子》期刊，是首个真正意义上的微波神经网络处理器，完全集成于硅微芯片上。它能执行实时频域计算，应用于无线电信号解码、雷达目标追踪和数字数据处理等任务，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，因此可灵活用于多种计算任务，"主要作者、与博士生麦克斯韦·安德森共同完成研究的博士生巴尔·戈文德表示。"它绕过了数字计算机通常需要执行的大量信号处理步骤。"

这一能力源于芯片的神经网络设计——一种模拟大脑的计算机系统，利用可调波导产生的互连模式。这使其能够识别模式并从数据中学习。但与依赖数字操作和时钟同步逐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，使其能处理数十千兆赫兹的数据流——远超大多数数字芯片的速度。

"巴尔摒弃了大量传统电路设计来实现这一突破，"合作资深作者、工程学教授阿莉莎·阿普塞尔表示（另一位资深作者为应用与工程物理系副教授彼得·麦克马洪）。"他并未试图精确复制数字神经网络结构，而是创造出一种更接近受控频率行为混合物的设计，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类别分类任务中，其精度达到或超过88%，与数字神经网络相当，但功耗和尺寸仅为后者的一小部分。

"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。"而采用我们的概率方法，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测无线通信中的异常情况。

"我们认为若能进一步降低功耗，还可将其部署于边缘计算等场景，"阿普塞尔说，"可集成至智能手表或手机中，在智能设备上构建本地模型，无需事事依赖云端服务器。"

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。他们正探索提高精度的方法，并尝试将其集成到现有微波与数字处理平台中。

此项研究源于美国国防高级研究计划局（DARPA）资助的大型项目中的探索性工作，并得到部分由美国国家科学基金会资助的康奈尔纳米尺度科学与技术设施支持。