神经形态计算对射电望远镜观测站的潜在影响
天体物理仪器与方法
2026-01-13 v1 神经与进化计算
摘要
射电天文学依赖于定制的、实验性的和创新的计算解决方案。这一点在下一代望远镜如Square Kilometre Array (SKA)和下一代Very Large Array (ngVLA)形成时将继续持续。在日益严苛的功耗要求和日益具挑战的射电环境下，科学目标可能因相关功耗要求而难以实现。神经形态计算提供了有竞争力的替代方案，结合对数据驱动方法的需求，脉冲神经网络 (SNN)是一种有前景的实时高效替代方案。射电频率干扰 (RFI) 检测是SNN的吸引人应用场景，最近的探索正在寻求突破。本文present了对在射电天文学处理管道的关键阶段部署不同神经形态方法可能产生影响的全面分析，针对数个现有和近期仪器进行了分析。我们的分析为从近期在现有仪器中部署FPGA级SNN，允许以不增加资本成本的方式添加高级数据驱动RFI检测，到面向未来仪器的神经形态ASIC，找到了实现商业可用的解决方案可将关键处理元素的功耗降低最高可达三个数量级，从而变革观测站的运行预算。高数据率光谱处理可能是神经形态计算产业的理想目标，因为我们将射电望远镜视为世界上最大的in-sensor计算挑战。
引用
@article{arxiv.2601.07130,
title = {The Potential Impact of Neuromorphic Computing on Radio Telescope Observatories},
author = {Nicholas J. Pritchard and Richard Dodson and Andreas Wicenec},
journal= {arXiv preprint arXiv:2601.07130},
year = {2026}
}
备注
40 pages, 7 figures, 7 tables, in-review