清华大学发布新型光谱卷积神经网络芯片架构，实现无相干自然光的片上边缘计算

1月2日，清华大学研究团队宣布发布一款基于光学卷积层（OCL）与可重构电子后端结合的新型光谱卷积神经网络（SCNN）芯片，实现了对无相干自然光的片上边缘计算。相关成果发表于《自然·通讯》。该突破为在传感器端直接处理包含光谱信息的自然光数据提供了可行方案，对降低人工智能与边缘计算系统的能耗与成本具有重大意义。

长期以来，光学计算多需先将自然光转化为相干光，不仅能量效率有限，还会丢失诸多关键物理信息。清华团队提出的SCNN芯片则基于光学卷积层与可重构电子后端的协同架构：在CMOS图像传感器上集成大规模光谱滤波器组，直接对来自外界的自然光进行分光与卷积操作，并依据传感器成像速度自适应完成实时计算。此举在保留光学并行度与低功耗优势的同时，借助电子后端灵活实现网络训练与推理任务。实验显示，该芯片在自适应处理CMOS图像传感器实时成像数据的同时，数据吞吐量降低96%，大幅减轻后端计算负担，并有效提升多尺度光谱特征的获取能力，有望应用于人脸防伪、疾病诊断等对光谱信息依赖度高的场景。该研究为边缘智能与人工智能硬件的发展提供了新的技术路线，并在未来具备广泛产业应用潜力。