近日，美国康奈尔大学的一项创新研究引起了科技界的广泛关注。该校教授艾莉莎·阿普塞尔及其团队成功研发出一种全新的微波神经网络（MNN），这一突破性技术不仅实现了在硅基微芯片上的完全集成，还以超紧凑的尺寸——仅0.088平方毫米，展现了其在无线电信号解码、雷达目标跟踪和数字数据处理等领域的巨大潜力。
这款微波神经网络采用标准的互补金属氧化物半导体（CMOS）技术制造，功耗极低，不到200毫瓦。据研究人员介绍，当施加低频参数调制时，该网络的响应能够发生变化，这种可重新编程且特征丰富的频谱，非常适合用于机器学习推理任务。这是业内首次在集成电子设备中展示出此类能力，标志着一种新型高速计算方法的诞生。
基于这一微波神经网络，研究团队在芯片上构建了首个被称为“微波大脑”的低功耗微芯片。这款芯片是首款能够同时针对超高速数据信号和无线通信信号进行计算的处理器，它利用了微波的物理特性，实现了对这两种信号的并行处理。在涉及无线信号类型的多项分类任务中，“微波大脑”的准确率不低于88%，与数字神经网络的准确率相媲美，但功耗和尺寸却大大减小。
据论文第一作者巴拉·戈文德介绍，这款芯片背后的电路拓扑结构是他在康奈尔大学读大二和大三期间构思出来的。他在校园散步时，逐渐形成了这一结构的想法。巴拉·戈文德表示，这一创新不仅证明了微波神经网络在替代射频和微波机器学习任务中大部分数字网络的潜力，还大幅降低了功耗，摆脱了高时钟速度带来的负担。
微波神经网络的工作原理相当复杂。它是一个非线性系统，通过产生类似梳状、对输入敏感的频谱来进行计算。这一频谱的产生依赖于一个由非线性波导和线性波导组成的电磁结构。非线性波导的频率模式受到输入微波驱动信号的幅度和相位的强烈影响，而线性波导的模式则基本不受这些信号的影响。通过采用“地-信号-地-信号-地”结构的波导，将吉赫兹速率的信号注入系统，再通过微型正交混合耦合器进行功率分配，并将其引导至不同的波导中，最终叠加并通过另一组波导提取出来。
为了维持高频下的非线性，研究人员使用了交叉耦合的晶体管来实现再生性的饱和增益。实验结果显示，微波神经网络的频谱响应高度依赖于多种因素，包括振荡器核心供电电压以及施加在非线性电容上的偏置等。当接收到高速数据时，其频谱响应变得非常复杂，而网络中的非线性则将输入频谱的全部特征映射到响应最为显著的范围。
这一创新不仅为无线通信和数据处理领域带来了全新的解决方案，还为开发与频段无关的神经网络处理器提供了可能。通过解码复杂的超高速数字数据以及覆盖数百吉赫兹的毫米波信号，微波神经网络有望在分布式边缘计算、智能传感、加密、特征提取和超快速人工智能推理等领域发挥重要作用，同时减少无线和电光链路中高速数据互连所面临的带宽问题和功率开销问题。
