六合彩AI預測賽後檢討!邊個模型預測最叻? 每次攪珠當晚10:30更新免費睇!

MIT光速晶片引領6G無線智能新時代

Ai

🎬 YouTube Premium 家庭 Plan成員一位 只需
HK$148/年

不用提供密碼、不用VPN、無需轉區
直接升級你的香港帳號 ➜ 即享 YouTube + YouTube Music 無廣告播放


立即升級 🔗

光速運算!MIT研發光子處理器 助力6G無線信號即時分析

隨著越來越多連接裝置對頻寬需求大增,例如遠程工作和雲端運算,如何有效管理有限的無線頻譜成為一大挑戰。工程師正運用人工智能(AI)動態管理無線頻譜,以降低延遲和提升性能,但大部分AI技術耗電量高且難以實時運作。

麻省理工學院(MIT)研究團隊最新研發出一款專為無線信號處理設計的光子硬件加速器。這款光學處理器可用光速進行機器學習運算,在納秒級時間內完成無線信號分類,速度比現有數碼方案快約100倍,且準確率可達95%。該硬件加速器不但具備良好的擴展性和靈活性,適用於多種高性能運算場景,體積更小、重量更輕、成本更低且能耗更低。

此裝置對未來6G應用前景尤為重要,例如可智能調整數據速率的認知無線電,能根據無線環境變化自動選擇最佳調製方式。更重要的是,這種硬件加速器可令邊緣裝置即時執行深度學習,極大提升反應速度,對自動駕駛車輛的即時環境感知或智慧心臟起搏器的連續監控均有重大意義。

MIT電機工程與計算機科學系教授Dirk Englund表示:「許多應用都需要邊緣裝置能即時分析無線信號,我們的研究成果有望開啟實時且可靠的AI推理新紀元,這只是開始,未來潛力巨大。」

光子處理器如何高速運算?

目前先進的數碼AI加速器通常將信號轉換成圖像,再用深度學習模型分類,雖準確但計算量龐大,難以滿足時延敏感需求。相比之下,光學系統利用光來編碼與處理數據,能大幅加速神經網絡運算並降低能耗,但如何在保持通用性和擴展性的同時提升性能,一直是難題。

MIT團隊設計了名為「乘法類比頻域變換光學神經網絡」(MAFT-ONN)的新架構,將信號數據直接在頻域中編碼並完成機器學習運算,且所有線性與非線性操作都在光學路徑中完成。這創新設計令整個光學神經網絡每層只需一個MAFT-ONN裝置,而非傳統方法中每個神經元都需一個設備。

研究生Ronald Davis說:「我們能在單一裝置中容納一萬個神經元,並一次性完成所有乘法運算。」此舉得益於光電乘法技術,大幅提升效率,也方便後續擴充更多層數。

速度快準確高 納秒內完成信號分類

MAFT-ONN接收無線信號輸入,處理並分類調製方式,令設備能自動判斷信號類型並提取數據。設計過程中最大挑戰是如何將機器學習運算映射至光學硬件,團隊不得不針對硬件量身定制算法,充分利用物理特性。

模擬測試中,MAFT-ONN單次運算即可達85%準確率,經多次測量能迅速提升至99%以上,整個過程僅需約120納秒。Davis補充:「測量時間越長,準確率越高,但由於運算速度極快,提升準確度幾乎不會犧牲速度。」

相比之下,先進數碼無線電頻率設備的AI推理時間通常為微秒級,光學系統則可達納秒甚至皮秒級。未來團隊計劃利用多工技術進一步擴大MAFT-ONN的運算能力,並嘗試應用於更複雜的深度學習架構,如Transformer模型或大型語言模型(LLM)。

此研究部分獲美國陸軍研究實驗室、美國空軍、MIT林肯實驗室、日本電信電話公司及美國國家科學基金會資助。

編輯評論:光子運算引領6G時代邊緣智能革命

MIT團隊以光子技術突破了傳統數碼AI運算的速度與能耗瓶頸,為即將來臨的6G網絡鋪路。這種「光速」的機器學習能力,不僅能大幅提升無線信號分類的即時性和準確度,更將使邊緣裝置具備前所未有的智能反應能力,從而推動自動駕駛、智能醫療等領域的革新。

未來5G正逐步普及,6G技術則承諾更高頻寬、更低延遲和更智慧的網絡管理,MIT的光子處理器正是實現這些目標的關鍵硬件基石。更重要的是,這項技術的擴展性和低能耗特性,對於物聯網和智慧城市等廣泛應用場景同樣具備革命性影響。

然而,從實驗室到商業應用仍有不少挑戰,尤其是光子硬件的製造成本、穩定性及與現有數碼系統的整合問題。團隊未來若能成功將此技術推向市場,將極大改變我們與無線網絡、智能設備互動的方式。

總的來說,這是一個令人振奮的科技突破,不僅展示了光子計算的強大潛力,也為全球通信技術帶來全新視野,值得香港及全球科技界持續關注與投入。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。