科技日報訊(記者張佳欣)據最新一期《科學進展》雜誌報導,美國麻省理工學院團隊開發出一種專為無線信號處理而設計的全新人工智慧(AI)硬體加速器。這種光學處理器能以光速進行機器學習運算,可在數十納秒內完成無線訊號分類,且準確率可達95%。其可廣泛應用於高性能計算場景,遠勝現有的數位AI加速器。
傳統的數位AI加速器需將無線訊號轉化為影像,再通過深度學習模型進行分類。這種方法儘管準確率高,但神經網路計算密集,響應速度難以滿足微秒級甚至更低的延遲要求。
團隊此次開發了一種專為信號處理設計的光學神經網路架構,利用光訊號直接進行數據編碼與處理,從而提升了計算效率,降低了能耗。這個稱為“乘性類比頻域變換光學神經網路”(MAFT-ONN)的系統,在無線訊號被數位化之前,就在頻域中完成所有訊號編碼與機器學習運算,極大提升了可擴展性。
團隊通過“光電乘法”科技,僅用一個設備就可集成1萬個神經元並一次性完成所有乘法運算,無需為每個神經元單獨配寘硬體。同時,該網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%,結合多次量測後可迅速提升至99%以上。整個過程耗時僅約120納秒,遠快於傳統數位射頻設備的微秒級AI推理速度。
該晶片尤其適用於未來6G通信場景,例如認知無線電,可根據無線環境變化自動調整調製方式,從而優化資料傳輸。此外,它還可為邊緣計算設備賦能,如協助自動駕駛汽車實現快速回應,或為智慧起搏器提供實时健康監測能力。