光學處理器將顛覆6G無線訊號處理技術

隨著遠距辦公與雲端運算需求激增，連網裝置對頻寬的需求不斷攀升，如何有效分配有限的無線頻譜資源成為重大挑戰。目前工程師正運用人工智慧技術來動態管理無線頻譜，目標是降低延遲並提升效能。然而，現有AI技術在無線訊號分類與處理上不僅耗能，更難以實現即時運算。

MIT研究團隊最新開發的光學AI加速器徹底改變了這個局面。這款革命性處理器利用光速進行機器學習運算，僅需奈秒級時間就能完成無線訊號分類。相關研究成果已發表於《Science Advances》期刊。

這款光子晶片的運算速度比現有最佳數位方案快上100倍，訊號分類準確率更高達95%。更驚人的是，這項技術不僅具備高度擴充套件性與靈活性，能應用於各種高效能運算場景，相較傳統數位AI加速器，體積更小、重量更輕、成本更低且更節能。

這項突破性技術特別適合未來6G應用，例如能根據無線環境變化自動調整調變方式的認知無線電系統。除了訊號處理，這款加速器還能讓邊緣裝置實現即時深度學習，為自動駕駛車輛提供毫秒級環境反應能力，或讓智慧心律調節器持續監測患者心臟狀態。

「這項研究為即時AI推論開啟了全新可能，」MIT電子工程與電腦科學系教授Dirk Englund表示，「我們展示的技術將催生眾多創新應用。」研究團隊成員還包括主要作者Ronald Davis III博士、南加州大學助理教授Zaijun Chen，以及NTT Research資深科學家Ryan Hamerly。

傳統數位AI加速器需將訊號轉換為影像後，再透過深度學習模型進行分類。雖然準確度高，但運算密集的特性使其難以滿足即時需求。光學系統雖能利用光編碼資料來加速神經網路運算，但過去在訊號處理應用上始終面臨擴充套件性挑戰。

研究團隊特別針對訊號處理開發出「多重類比頻率轉換光學神經網路」(MAFT-ONN)，透過在頻域內完成所有機器學習運算，成功解決擴充套件性問題。這項創新設計讓單一裝置就能容納10,000個神經元，並透過「光電乘法」技術大幅提升效率。

在實際測試中，MAFT-ONN單次運算即可達到85%準確率，多次測量後更可提升至99%以上，整個處理過程僅需120奈秒。相較現有數位射頻裝置的微秒級運算，光學技術已實現奈秒甚至皮秒級的突破。

展望未來，研究團隊計劃採用多工技術來擴充套件MAFT-ONN的運算能力，並將這項技術延伸至更複雜的深度學習架構，例如Transformer模型或大型語言模型的運算。

[end]