💡
原文中文，约1800字，阅读约需5分钟。
📝
内容提要
清华大学研究团队提出了一种光谱卷积神经网络（SCNN）芯片架构，结合光学与电子计算，能够高效处理无相干自然光。该技术在降低计算成本和功耗方面表现优异，并已在面部防伪和甲状腺疾病诊断中验证了其高准确率，展现出广阔的应用前景。
🎯
关键要点
- 清华大学研究团队提出光谱卷积神经网络（SCNN）芯片架构，结合光学与电子计算。
- 该技术高效处理无相干自然光，降低计算成本和功耗。
- 研究背景中提到，CNN是常用的神经网络架构，但计算开销限制了其在便携终端的应用。
- 现有光学卷积神经网络需将自然光转换为相干光，影响能量效率和光场特征。
- SCNN的核心创新是光电混合计算框架，结合光学卷积层与可重构电子后端。
- 研究团队开发了两种光谱滤波器方案，适合规模化生产。
- SCNN系统能够实时计算，数据吞吐量降低96%，减轻电子后端负担。
- 实验验证显示SCNN在面部防伪和甲状腺疾病诊断中表现优异，准确率高。
- 面部防伪任务中，SCNN芯片在108个样本上实现图像级100%和像素级96.23%的准确率。
- 甲状腺疾病诊断中，分类准确率达到96.4%，证明光谱信息处理的重要性。
- SCNN芯片为边缘计算和人工智能硬件发展提供新技术路线，应用前景广阔。
➡️
