光子处理器：6G 无线信号处理的革命性突破

在当今科技飞速发展的时代，随着联网设备数量呈指数级增长，远程办公、云计算等新兴应用对带宽的需求也水涨船高。这使得管理有限的无线频谱资源变得异常艰难，因为所有用户都在争抢这一宝贵资源。为了应对这一挑战，工程师们尝试引入人工智能技术来动态管理可用的无线频谱，期望以此减少延迟、提升性能。然而，现有的大多数用于分类和处理无线信号的人工智能方法，存在着耗电严重且无法实时运行的弊端，难以满足实际应用的需求。

近日，麻省理工学院的研究团队取得了一项重大突破。他们成功开发出一种专门为无线信号处理量身定制的新型人工智能硬件加速器 —— 光学处理器。这一光子芯片能够以光的速度执行机器学习计算，在纳秒级的极短时间内完成对无线信号的分类。经测试，该光子芯片的运行速度比目前最佳的数字方案快约 100 倍，信号分类的收敛准确率高达约 95%。与传统的数字 AI 硬件加速器相比，它具有体积更小、重量更轻、成本更低、能耗更省等显著优势。

这种新型硬件加速器不仅速度快、准确率高，还具备出色的可扩展性和灵活性，可广泛应用于各种高性能计算领域。在未来的 6G 无线应用场景中，它的作用尤为突出。例如，在认知无线电领域，它可以通过使无线调制格式自适应不断变化的无线环境，从而优化数据传输速率。此外，通过赋予边缘设备实时执行深度学习计算的能力，这款新型硬件加速器还能为信号处理以外的众多应用提供强大的加速支持。以自动驾驶汽车为例，它可以帮助汽车对瞬息万变的环境变化做出瞬间反应；在医疗领域，它能使智能起搏器持续、精准地监测患者的心脏健康状况。

麻省理工学院电气工程与计算机科学系教授 Dirk Englund 表示：“众多应用都可以借助能够分析无线信号的边缘设备来实现。我们在论文中所提出的成果，可能为实时可靠的人工智能推理开辟广阔的可能性。这项工作仅仅是一个具有巨大潜力的开端。”

在技术实现方面，研究人员开发的乘法模拟频率变换光学神经网络（MAFT - ONN），有效解决了光学设备在信号处理中的性能和可扩展性问题。MAFT - ONN 通过对所有信号数据进行编码，并在无线信号数字化之前在频域内执行所有机器学习操作，大大提高了处理效率。该光学神经网络能够同时执行线性和非线性运算，且每层仅需一个 MAFT - ONN 设备，而传统方法则需要为每个计算单元配备一个设备。在模拟测试中，光学神经网络单次信号分类准确率可达 85%，并通过多次测量快速收敛到 99% 以上，整个过程仅需约 120 纳秒，展现出了极高的处理速度和准确性。

展望未来，研究人员希望采用多路复用方案，进一步扩大 MAFT - ONN 的规模，以执行更多的计算任务。同时，他们还计划将这项工作拓展到更复杂的深度学习架构，如运行 Transformer 模型或大型语言模型（LLM）。

此外，半导体产业纵横正在积极筹备撰写《AI PC 产业研究报告》，目前正在广泛征集 AI PC 产业链各类厂商案例。该报告将通过全媒体矩阵进行发布，参与案例的厂商将获得丰富的宣发支持和曝光机会。案例征集工作自即日起启动，报告预计 7 月正式发布，欢迎相关企业积极参与探讨。

通过以上内容可以看出，麻省理工学院开发的新型光子处理器为 6G 无线信号处理带来了全新的解决方案，具有广阔的应用前景和巨大的发展潜力。同时，AI PC 产业研究报告的筹备也为相关企业提供了一个展示和交流的良好平台，有望推动行业的进一步发展。