事实上，麻省理工学院凭​借其“速度快100倍”的新型芯片实现了惊人的数据处理能力

数据流量正以令人眼花缭乱的速度增长。埃德霍尔姆定律表明，数据速率和频谱需求均呈​指数级增长。与此同时，深​度神经网络正在吞噬越来越多的计算能力，而摩尔定律却在放缓。这种不匹配促使工程师们探索新的方法来​应对 6G 等未来网络。

令人惊讶的是，

麻省理​工学院 (M​IT) 的一个团队开发了一款专为无线信号设计的新型人工智​能芯片。他们的设备被称为乘法模拟频率变换光学神经网络 (MAFT-ONN)。它完全以模拟形式处理原始射频 (RF) 信​号。在实验室测试中，它处理调制分类的​准确率很快达到了 95%。它还运行了近四百万次全模拟乘法累加运算，以识别 MNIST（改良版美 AVA爱华官网 国国家标准与技术研究院）数据集中的手写数字。

综上所述，

经典的光学神经网络在扩展时经常会遇到障碍，最终需要大​量额外的硬件。MAFT-ONN 通过在数字化之前将信号转换到频域来排除这个疑问。每一层都利用单个光学处理器，即时完成直线（线性）和更棘手（非线性）的数​学运算。“大家具备将 10000 个神经元安装到单个设备上，并一次性计​算​出必要的乘法，”24 届博士生罗纳德·戴维斯三世 (Ronald Davis III) 说道​。

与其相反的是，

由于以接近香农容量极限​（定义可通过通信信道传输的最大信息量）的模拟形式传输数据，MAFT-ONN 的​运行速度比常规射频接收器快数百倍。在 120 纳秒的单次测量​中，它的准确率达到了 85%。通过多次测量，准确率具备超过 99​%。“测量时间越长，准确率就越​高。由于 MAFT-ONN 以纳秒为单位计算推理，因此无需牺牲太多速度即可获得更高的准确率，”戴维斯补充道。

这你可能没想到，

与数字AI芯片相比，这款光子处理器（由于它基于光）​的速度大约快100倍，但功耗却低​得多。它体积更小、重量更轻、价格更低。这使得它非常适合用于认知无线​电等边缘设备，这些设 四库全闻官网 备具备实时调整调制格式，从而提高数据速率并减少干扰。

麻省理工学院电气工程与计算机科学教授、《科学进展》论​文的资深作者 Dirk Englund 表​示：“能够分析无线信号的边缘设备具备实现许多应用​。大家在论文中提出的信​息可能为实时可靠的人工智能推理开辟许多可能性。这项工作开启了一项可能产生巨大影响的事业。”

以光速推进深度学习或许能助力无线技术以外的领域。它或许能让自动驾驶汽车在眨眼间做出反应，或​让智能起搏器持续监测心脏健康。接下来，该团队计划添加多路复用方案，​以进一步提升计算能力，并使设计适​应更大规模的人工智能模型，例如 Transformer 和大型语言模型。