#机器学习# 【康奈尔团队首创微波神经网络，完全集成于硅微芯片且功耗不到200毫瓦，为机器学习推理再添利器】
近日，美国#康奈尔大学# 教授艾莉莎·阿普塞尔（Alyssa Apsel）和团队提出一种微波神经网络（MNN，microwave neural network），其采用标准的互补金属氧化物半导体（CMOS，Complementary Metal-Oxide-Semiconductor）技术制造，在芯片上仅占据 0.088 平方毫米的超紧凑尺寸，可支持集成到通用模拟处理器中，并且能够完全集成在硅基微芯片上。它可以为无线电信号解码、雷达目标跟踪和数字数据处理等任务执行实时频域计算，而且功耗不到 200 毫瓦。
当施加低频参数调制的时候能够改变微波神经网络的响应，这种可重新编程、特征丰富的频谱，非常适合用于机器学习推理任务。
该方法能在宽带信号的整个带宽（数千兆赫宽）内实现瞬时模拟计算，据研究人员所知，这是业内首次在集成电子设备中展示此类能力，这意味着一种新型高速计算方法的正式面世，相关论文于近期发表在 Nature Electronics（IF 40.9）。
基于微波神经网络，研究人员在#芯片# 上构建了首个“微波大脑”，这是一种低功耗的微芯片，也是首款利用微波物理特性从而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芯片。
戳链接查看详情：
康奈尔团队首创微波神经网络，完全集成于硅微芯片且功耗不到200毫瓦，为机器学习推理再添利器
近日，美国#康奈尔大学# 教授艾莉莎·阿普塞尔（Alyssa Apsel）和团队提出一种微波神经网络（MNN，microwave neural network），其采用标准的互补金属氧化物半导体（CMOS，Complementary Metal-Oxide-Semiconductor）技术制造，在芯片上仅占据 0.088 平方毫米的超紧凑尺寸，可支持集成到通用模拟处理器中，并且能够完全集成在硅基微芯片上。它可以为无线电信号解码、雷达目标跟踪和数字数据处理等任务执行实时频域计算，而且功耗不到 200 毫瓦。
当施加低频参数调制的时候能够改变微波神经网络的响应，这种可重新编程、特征丰富的频谱，非常适合用于机器学习推理任务。
该方法能在宽带信号的整个带宽（数千兆赫宽）内实现瞬时模拟计算，据研究人员所知，这是业内首次在集成电子设备中展示此类能力，这意味着一种新型高速计算方法的正式面世，相关论文于近期发表在 Nature Electronics（IF 40.9）。
基于微波神经网络，研究人员在#芯片# 上构建了首个“微波大脑”，这是一种低功耗的微芯片，也是首款利用微波物理特性从而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芯片。
戳链接查看详情：
康奈尔团队首创微波神经网络，完全集成于硅微芯片且功耗不到200毫瓦，为机器学习推理再添利器
