據最新一期《科學進展》雜志報道，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，可在數十納秒內完成無線信號分類，且準確率可達95%。其可廣泛應用于高性能計算場景，遠勝現有的數字AI加速器。

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

團隊此次開發了一種專為信號處理設計的光學神經網絡架構，利用光信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“乘性模擬頻域變換光學神經網絡”（MAFT-ONN）的系統，在無線信號被數字化之前，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。

團隊通過“光電乘法”技術，僅用一個設備就可集成1萬個神經元并一次性完成所有乘法運算，無需為每個神經元單獨配置硬件。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，遠快于傳統數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，可根據無線環境變化自動調整調制方式，從而優化數據傳輸。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響應，或為智能起搏器提供實時健康監測能力。