清华团队 AI 光学计算新突破：光谱卷积神经网络芯片，数据吞吐量降低了96%！

文章预览

来源：ScienceAI 本文 约1500字 ，建议阅读 5 分钟 近年来，人工智能技术在各个领域的广泛应用对计算效率提出了更高要求。特别是在边缘计算场景中，如何降低深度学习模型的计算成本和功耗成为关键挑战。 来自清华大学的研究团队提出了一种创新的光谱卷积神经网络（Spectral Convolutional Neural Network，SCNN）芯片架构，通过 将光学计算与电子计算相结合，实现了无相干自然光的片上边缘计算。 该研究以「Spectral convolutional neural network chip for in-sensor edge computing of incoherent natural light」为题，于 2025 年 1 月 2 日发布在《Nature Communications》。 研究背景 随着人工智能技术的发展，CNN 已成为最常用的神经网络架构之一。尽管卷积层使 CNN 能够从原始图像数据中提取高层次特征，显著降低了参数复杂度，但其巨大的计算开销仍然制约着在便携终端的部署。 现有的 ………………………………