日前，美國(guó)麻省理工學(xué)院團(tuán)隊(duì)開發(fā)出一種專為無(wú)線信號(hào)處理而設(shè)計(jì)的全新人工智能（AI）硬件加速器。這種光學(xué)處理器能以光速進(jìn)行機(jī)器學(xué)習(xí)運(yùn)算，可在數(shù)十納秒內(nèi)完成無(wú)線信號(hào)分類，且準(zhǔn)確率可達(dá)95%。其可廣泛應(yīng)用于高性能計(jì)算場(chǎng)景，遠(yuǎn)勝現(xiàn)有的數(shù)字AI加速器。相關(guān)研究成果以《RF-photonic deep learning processor with Shannon-limited data movement》為題目，發(fā)布在Science Advances雜志上。

圖片:354459_82623ccc-e0a6-4cd7-a1b7-ab8d735092d0.jpg

新型光學(xué)處理器的藝術(shù)概念圖。

傳統(tǒng)的數(shù)字AI加速器需將無(wú)線信號(hào)轉(zhuǎn)化為圖像，再通過(guò)深度學(xué)習(xí)模型進(jìn)行分類。這種方法盡管準(zhǔn)確率高，但神經(jīng)網(wǎng)絡(luò)計(jì)算密集，響應(yīng)速度難以滿足微秒級(jí)甚至更低的延遲要求。

團(tuán)隊(duì)此次開發(fā)了一種專為信號(hào)處理設(shè)計(jì)的光學(xué)神經(jīng)網(wǎng)絡(luò)架構(gòu)，利用光信號(hào)直接進(jìn)行數(shù)據(jù)編碼與處理，從而提升了計(jì)算效率，降低了能耗。這個(gè)稱為“乘性模擬頻域變換光學(xué)神經(jīng)網(wǎng)絡(luò)”（MAFT-ONN）的系統(tǒng)，在無(wú)線信號(hào)被數(shù)字化之前，就在頻域中完成所有信號(hào)編碼與機(jī)器學(xué)習(xí)運(yùn)算，極大提升了可擴(kuò)展性。

圖片:sciadv.adt3558-f1.jpg

MAFT-ONN 架構(gòu)概述

團(tuán)隊(duì)通過(guò)“光電乘法”技術(shù)，僅用一個(gè)設(shè)備就可集成1萬(wàn)個(gè)神經(jīng)元并一次性完成所有乘法運(yùn)算，無(wú)需為每個(gè)神經(jīng)元單獨(dú)配置硬件。同時(shí)，該網(wǎng)絡(luò)可在光路中直接完成所有線性與非線性計(jì)算操作。實(shí)驗(yàn)顯示，MAFT-ONN一次性分類的準(zhǔn)確率達(dá)85%，結(jié)合多次測(cè)量后可迅速提升至99%以上。整個(gè)過(guò)程耗時(shí)僅約120納秒，遠(yuǎn)快于傳統(tǒng)數(shù)字射頻設(shè)備的微秒級(jí)AI推理速度。

該芯片尤其適用于未來(lái)6G通信場(chǎng)景，例如認(rèn)知無(wú)線電，可根據(jù)無(wú)線環(huán)境變化自動(dòng)調(diào)整調(diào)制方式，從而優(yōu)化數(shù)據(jù)傳輸。此外，它還可為邊緣計(jì)算設(shè)備賦能，如協(xié)助自動(dòng)駕駛汽車實(shí)現(xiàn)快速響應(yīng)，或?yàn)橹悄芷鸩�器提供�?shí)時(shí)健康監(jiān)測(cè)能力。

相關(guān)鏈接：https://doi.org/10.1126/sciadv.adt3558