基于无物理计算的无缝深度学习
新兴技术
2025-05-16 v1 机器学习
信号处理
应用物理
摘要
现代边缘设备（如摄像机、无人机和物联网节点）依赖深度学习以实现广泛的智能应用，包括目标识别、环境感知和自主导航。然而，直接在资源受限的边缘设备上部署深度学习模型需要显著的内存占用和计算资源才能实现实时推理。本文提出了 WISE，这是一种用于无线边缘网络的新型计算架构，旨在克服深度学习推理中的能源限制。WISE 通过两种关键创新实现了这一目标：通过无线广播实现模型访问的无缝化，以及在无线电频率上直接进行通用复数向量-矩阵乘法的物理计算。使用软件定义无线电平台，通过无线方式广播模型权重，我们演示了 WISE 在图像分类方面达到 95.7% 的准确率，仅需 6.0 fJ/MAC 的超低运行功耗，对应 165.8 TOPS/W 的计算效率。这一方法实现了无线连接边缘设备上能效高效的深度学习推理，比传统数字计算提高了两个数量级以上的效率。
引用
@article{arxiv.2504.17752,
title = {Disaggregated Deep Learning via In-Physics Computing at Radio Frequency},
author = {Zhihui Gao and Sri Krishna Vadlamani and Kfir Sulimany and Dirk Englund and Tingjun Chen},
journal= {arXiv preprint arXiv:2504.17752},
year = {2025}
}
备注
11 pages, 4 figures. Supplementary Information: 54 pages, 20 figures, 1 table