8 月 5 日消息，科技媒體 NeoWin 昨日（8 月 4 日）發布博文，報道稱麻省理工學院（MIT）的研究團隊開發了一種新型 AI 芯片，名為乘法模擬頻率變換光神經網絡（MAFT-ONN）。這種芯片能夠直接在原始射頻信號上以模擬形式工作，處理速度比傳統射頻接收器快數百倍，且更加節能。

艾霍姆定律（Edholm's Law）描述了無線網絡數據傳輸速率的增長趨勢，無線網絡的帶寬和數據傳輸速率大約每 18 個月翻一番。與此同時，深度神經網絡對計算能力的需求也在不斷上升，而摩爾定律的速度卻在放緩，這種不匹配推動了工程師們尋找處理未來網絡（如 6G）的新方法。

麻省理工學院的一個團隊開發了一種專門用于無線信號的 AI 芯片，名為乘法模擬頻率變換光神經網絡（MAFT-ONN）。實驗室測試中，它的調制分類準確率迅速達到了 95%，還能執行近四百萬次完全模擬的乘積累加操作，識別 MNIST 數據集中的手寫數字。

傳統的光神經網絡在擴展時常常遇到障礙，并需要大量額外的硬件。MAFT-ONN 通過在數字化之前將信號轉換到頻域解決了這一問題，每一層都使用單個光處理器現場完成直線（線性）和更復雜的（非線性）數學運算。

得益于在接近香農極限（指在信道上進行無差錯傳輸的理論最大傳輸速率）的模擬形式下移動數據，MAFT-ONN 的運行速度比傳統射頻接收器快數百倍，在一次 120 納秒的發射中，它達到了 85% 的準確率，通過進行更多測量，準確率可以超過 99%。

與數字 AI 芯片相比，這種基于光學的處理器速度大約快 100 倍，同時消耗的功率更少。它也更小、更輕、更便宜，因此非常適合邊緣設備，如實時調整調制格式的認知無線電，以提高數據傳輸速率并減少干擾。

圖源：Sampson Wilcox, Research Laboratory of Electronics