日前，美國麻省理工學院團隊開發(fā)出一種專為無線信號處理而設計的全新人工智能（AI）硬件加速器。這種光學處理器能以光速進行機器學習運算，可在數(shù)十納秒內(nèi)完成無線信號分類，且準確率可達95%。其可廣泛應用于高性能計算場景，遠勝現(xiàn)有的數(shù)字AI加速器。相關研究成果以《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

新型光學處理器的藝術(shù)概念圖。

傳統(tǒng)的數(shù)字AI加速器需將無線信號轉(zhuǎn)化為圖像，再通過深度學習模型進行分類。這種方法盡管準確率高，但神經(jīng)網(wǎng)絡計算密集，響應速度難以滿足微秒級甚至更低的延遲要求。

團隊此次開發(fā)了一種專為信號處理設計的光學神經(jīng)網(wǎng)絡架構(gòu)，利用光信號直接進行數(shù)據(jù)編碼與處理，從而提升了計算效率，降低了能耗。這個稱為“乘性模擬頻域變換光學神經(jīng)網(wǎng)絡”（MAFT-ONN）的系統(tǒng)，在無線信號被數(shù)字化之前，就在頻域中完成所有信號編碼與機器學習運算，極大提升了可擴展性。

圖片:sciadv.adt3558-f1.jpg

MAFT-ONN 架構(gòu)概述

團隊通過“光電乘法”技術(shù)，僅用一個設備就可集成1萬個神經(jīng)元并一次性完成所有乘法運算，無需為每個神經(jīng)元單獨配置硬件。同時，該網(wǎng)絡可在光路中直接完成所有線性與非線性計算操作。實驗顯示，MAFT-ONN一次性分類的準確率達85%，結(jié)合多次測量后可迅速提升至99%以上。整個過程耗時僅約120納秒，遠快于傳統(tǒng)數(shù)字射頻設備的微秒級AI推理速度。

該芯片尤其適用于未來6G通信場景，例如認知無線電，可根據(jù)無線環(huán)境變化自動調(diào)整調(diào)制方式，從而優(yōu)化數(shù)據(jù)傳輸。此外，它還可為邊緣計算設備賦能，如協(xié)助自動駕駛汽車實現(xiàn)快速響應，或為智能起搏器提供實時健康監(jiān)測能力。

相關鏈接：https://doi.org/10.1126/sciadv.adt3558