隨著數(shù)字化浪潮的加速，人工智能技術(shù)正迅速滲透到各行各業(yè)，如科研、醫(yī)療、工業(yè)自動(dòng)化和國(guó)防科技，AI在深刻改變我們的生活和工作方式的同時(shí)也在重塑我們的世界。在科研領(lǐng)域，AI不僅提高了數(shù)據(jù)處理速度，還提升了實(shí)驗(yàn)的精確度和效率，幫助研究人員快速分析更為龐大的數(shù)據(jù)，從而推動(dòng)新理論和技術(shù)的開(kāi)發(fā)。

FPGA技術(shù)的并行處理和低延遲特性展現(xiàn)出很大潛力。它們被廣泛應(yīng)用于實(shí)時(shí)信號(hào)處理、圖像識(shí)別和機(jī)器學(xué)習(xí)等領(lǐng)域，能夠高效運(yùn)行復(fù)雜算法，使其成為科研應(yīng)用的重要利器。AI和基于FPGA平臺(tái)的測(cè)試硬件的結(jié)合將推動(dòng)科技在更多領(lǐng)域發(fā)揮作用，帶來(lái)無(wú)限可能。

11月15日上午10:30，我們有幸邀請(qǐng)到Liquid Instruments的應(yīng)用工程師王樂(lè)博士，為我們帶來(lái)了一場(chǎng)主題為“在FPGA平臺(tái)上實(shí)現(xiàn)高效神經(jīng)網(wǎng)絡(luò)應(yīng)用”的精彩直播。王樂(lè)博士深入分析了FPGA技術(shù)在神經(jīng)網(wǎng)絡(luò)領(lǐng)域的應(yīng)用優(yōu)勢(shì)，并探討了如何將這些優(yōu)勢(shì)轉(zhuǎn)化為科研創(chuàng)新的動(dòng)力。她詳細(xì)介紹了FPGA在信號(hào)處理、去噪、傳感器調(diào)節(jié)和自適應(yīng)控制中的神經(jīng)網(wǎng)絡(luò)應(yīng)用，并分享了使用Python進(jìn)行神經(jīng)網(wǎng)絡(luò)構(gòu)建、訓(xùn)練和模型優(yōu)化的實(shí)踐經(jīng)驗(yàn)。同時(shí)，她還展示了在Moku設(shè)備上部署神經(jīng)網(wǎng)絡(luò)以實(shí)現(xiàn)實(shí)時(shí)機(jī)器學(xué)習(xí)的案例，為觀眾提供了寶貴的實(shí)踐指導(dǎo)。

直播亮點(diǎn)回顧

1、基于FPGA平臺(tái)的神經(jīng)網(wǎng)絡(luò)應(yīng)用優(yōu)勢(shì)

神經(jīng)網(wǎng)絡(luò)通常運(yùn)行在CPU和GPU上，獲得強(qiáng)大算力的同時(shí)，資源消耗大且能耗高。作為優(yōu)異的替代方案，F(xiàn)PGA兼具一定的算力水平也提供了靈活性，適合小尺寸神經(jīng)網(wǎng)絡(luò)的應(yīng)用，這有利于科研和工業(yè)領(lǐng)域。FPGA并行處理能力，使其非常適合神經(jīng)網(wǎng)絡(luò)操作中的復(fù)雜計(jì)算。而且由于能夠快速處理實(shí)時(shí)數(shù)據(jù)，F(xiàn)PGA在實(shí)驗(yàn)場(chǎng)景中可以實(shí)現(xiàn)快速?zèng)Q策，而無(wú)需依賴上位機(jī)。此外，F(xiàn)PGA可以輕松重構(gòu)，以滿足可定制化的需求，更因?yàn)槠浣Y(jié)構(gòu)緊湊，基于FPGA神經(jīng)網(wǎng)絡(luò)可以減少資源和能源消耗。

2、Moku平臺(tái)上的神經(jīng)網(wǎng)絡(luò)儀器功能

Moku神經(jīng)網(wǎng)絡(luò)是 Liquid Instruments在Moku:Pro硬件上發(fā)布的全新的儀器功能，它可以與設(shè)備內(nèi)已經(jīng)開(kāi)發(fā)的的波形發(fā)生器、PID控制器和示波器等儀器功能同步使用。用戶可以使用Python開(kāi)發(fā)和訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并可以在多儀器并行模式下將其加載到Moku:Pro硬件中，這樣可以分析多個(gè)輸入通道和進(jìn)行實(shí)時(shí)數(shù)據(jù)處理。Moku神經(jīng)網(wǎng)絡(luò)支持最多五個(gè)全連接層，每個(gè)層最多可容納100個(gè)神經(jīng)元，并提供五種不同的激活函數(shù)。

3、Moku平臺(tái)上的神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例

王樂(lè)博士還通過(guò)一系列實(shí)際應(yīng)用示例向我們展示如何在Moku平臺(tái)部署神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)信號(hào)降噪、傳感器調(diào)理等多種應(yīng)用，指導(dǎo)用戶從構(gòu)建神經(jīng)網(wǎng)絡(luò)到將訓(xùn)練模型上傳到Moku平臺(tái)進(jìn)行實(shí)現(xiàn)他們訓(xùn)練好的機(jī)器學(xué)習(xí)算法的全過(guò)程。此外，Liquid Instruments還為用戶還提供了豐富的示例資源，節(jié)省用戶開(kāi)發(fā)模型到實(shí)現(xiàn)應(yīng)用寶貴的時(shí)間并提升了效率。

4、Moku神經(jīng)網(wǎng)絡(luò)在光學(xué)領(lǐng)域的應(yīng)用前景

最后，王樂(lè)博士還分享了Moku神經(jīng)網(wǎng)絡(luò)在光學(xué)領(lǐng)域的廣闊應(yīng)用前景。在自動(dòng)化光學(xué)系統(tǒng)方面，Moku可以通過(guò)對(duì)激光光源的自適應(yīng)控制、光傳播過(guò)程中的像差或漂移自動(dòng)補(bǔ)償，以及閉環(huán)控制器參數(shù)的精準(zhǔn)調(diào)節(jié)，構(gòu)建一個(gè)高度穩(wěn)定的光路系統(tǒng)。而在信號(hào)處理方面，Moku神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)提取光譜特征，用于化學(xué)成分識(shí)別和定量分析，并支持光學(xué)相位信息重建等復(fù)雜算法應(yīng)用。Moku神經(jīng)網(wǎng)絡(luò)將為光學(xué)實(shí)驗(yàn)提供更加穩(wěn)定的系統(tǒng)和高效的信號(hào)處理方案，顯著提升實(shí)驗(yàn)的精度和效率。

Q&A環(huán)節(jié)回顧

本次直播除了王博士干貨滿滿的分享之外，更有精彩的Q&A互動(dòng)環(huán)節(jié)，下面是對(duì)本次Q&A環(huán)節(jié)的精彩回顧(節(jié)選部分)

Q1: 在構(gòu)建神經(jīng)網(wǎng)絡(luò)時(shí)，您更傾向于使用哪種Python框架，TensorFlow、PyTorch還是其他？為什么？

A1:Moku神經(jīng)網(wǎng)絡(luò)的Python庫(kù)目前僅支持TensorFlow。如果您使用PyTorch來(lái)創(chuàng)建和訓(xùn)練模型也是可以的，只要您在構(gòu)建和訓(xùn)練模型時(shí)保證層數(shù)、神經(jīng)元數(shù)、激活函數(shù)等參數(shù)在Moku允許取值的范圍內(nèi)，并且最終生成包含模型參數(shù)的 .linn文件能被加載到Moku神經(jīng)網(wǎng)絡(luò)儀器內(nèi)即可。Q2:訓(xùn)練好的網(wǎng)絡(luò)可以部署在FPGA上對(duì)未知信號(hào)實(shí)時(shí)處理預(yù)測(cè)嗎？
A2:這是完全可以的。正如直播中的信號(hào)降噪處理示例，我們?cè)趧?chuàng)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型時(shí)使用的是隨機(jī)游走的信號(hào)數(shù)據(jù)。但在實(shí)際部署到Moku:Pro后我們使用的是帶有大量高斯噪聲的正弦波、方波這些不同于游走信號(hào)的信號(hào)類型，這也是深度學(xué)習(xí)的一個(gè)重要特點(diǎn)——泛化性，即可以對(duì)未知數(shù)據(jù)進(jìn)行精準(zhǔn)預(yù)測(cè)。Q3:開(kāi)發(fā)人員在使用FPGA進(jìn)行神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)時(shí)需要具備哪些技能？是否有特定的編程模型或工具鏈推薦？
A3:我們?cè)谘菔臼纠跗诮榻B了TensorFlow框架，以及所需要的Python編譯環(huán)境和相關(guān)的依賴數(shù)據(jù)包，這是我們需要使用到的工具鏈和模型。同時(shí)作為初次接觸神經(jīng)網(wǎng)絡(luò)的用戶，我們?cè)诠倬W(wǎng)提供了示例頁(yè)面的鏈接，供大家參考和學(xué)習(xí)，可以從最基礎(chǔ)的加權(quán)求和示例開(kāi)始您的第一個(gè)神經(jīng)網(wǎng)絡(luò)模型創(chuàng)建和運(yùn)行。Q4:對(duì)于復(fù)雜信號(hào)支持程度怎么樣，舉個(gè)例子，有調(diào)頻信號(hào)之類的嗎？
A4:對(duì)復(fù)雜信號(hào)的處理支持程度，取決于您在創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型時(shí)按照您的需求對(duì)輸入數(shù)據(jù)和輸出數(shù)據(jù)進(jìn)行預(yù)期設(shè)置。那么在訓(xùn)練完之后，在實(shí)際信號(hào)輸入可以是調(diào)頻信號(hào)這種復(fù)雜信號(hào)，輸出則是您期望的信號(hào)。Q5:信號(hào)降噪，用濾波器功能也可以實(shí)現(xiàn)吧，神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)是什么？
A5:面對(duì)含有噪聲的單頻信號(hào)使用濾波器是非常直接高效的一個(gè)辦法，但是大部分情況我們的信號(hào)還有很多的分量，如方波這種含有奇次諧波的信號(hào)，使用低通濾波器可能會(huì)濾除高頻成分造成不可避免的信號(hào)失真。神經(jīng)網(wǎng)絡(luò)可以通過(guò)對(duì)信號(hào)特征的捕捉，同時(shí)噪聲不含有特定特征這種屬性來(lái)達(dá)到去噪處理的效果，保持了信號(hào)的完整性。Q6: moku神經(jīng)網(wǎng)絡(luò)能否用于激光鎖頻中系統(tǒng)長(zhǎng)期漂移的補(bǔ)償？
A6:這與深度學(xué)習(xí)PID控制器的概念相似。理論上是可行的。例如，當(dāng)系統(tǒng)發(fā)生漂移，無(wú)論是由于溫度變化還是光路對(duì)準(zhǔn)的問(wèn)題，我們需要一個(gè)能夠直接或間接反映這種變化的輸入數(shù)據(jù)，比如監(jiān)測(cè)從諧振腔出來(lái)的光強(qiáng)或激光對(duì)準(zhǔn)位置等；輸出可以是PID控制或其他控制方法的參數(shù)。只要我們能夠建立好輸入輸出之間的關(guān)系，就可以使用神經(jīng)網(wǎng)絡(luò)作為實(shí)時(shí)補(bǔ)償漂移的手段。

本期直播讓我們看到基于FPGA的Moku神經(jīng)網(wǎng)絡(luò)的強(qiáng)大功能與廣泛應(yīng)用，特別是在信號(hào)處理、自動(dòng)化控制、傳感器調(diào)理等方面。Moku神經(jīng)網(wǎng)絡(luò)不僅提高了實(shí)驗(yàn)數(shù)據(jù)的質(zhì)量與準(zhǔn)確性，還為科研和工業(yè)領(lǐng)域的高效決策提供了有力支持。通過(guò)直播也為科研人員和工程師們?cè)趯?shí)際工作中應(yīng)用FPGA技術(shù)提供了寶貴的指導(dǎo)。用戶能夠全面了解神經(jīng)網(wǎng)絡(luò)的開(kāi)發(fā)、訓(xùn)練與實(shí)際應(yīng)用，助力他們?cè)诟鼜?fù)雜的實(shí)驗(yàn)中實(shí)現(xiàn)創(chuàng)新與突破。我們相信，人工智能將在越來(lái)越多應(yīng)用場(chǎng)景中發(fā)揮更加關(guān)鍵的作用，推動(dòng)科研和工業(yè)的創(chuàng)新發(fā)展。

Moku介紹

Moku是由Liquid Instruments基于FPGA技術(shù)開(kāi)發(fā)的多功能測(cè)試測(cè)量平臺(tái)，結(jié)合高帶寬模數(shù)轉(zhuǎn)換器和數(shù)模轉(zhuǎn)換器，實(shí)現(xiàn)高速數(shù)據(jù)采集、處理分析、波形生成以及實(shí)時(shí)閉環(huán)控制等多種儀器算法和應(yīng)用。憑借其創(chuàng)新的軟件定義精密測(cè)量技術(shù)，Moku將15種不同的測(cè)試測(cè)量?jī)x器功能集成于一臺(tái)設(shè)備中，包括鎖相放大器、激光穩(wěn)頻控制器、高精度相位計(jì)、時(shí)間間隔分析儀、機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)、示波器和任意波形發(fā)生器等。用戶可以根據(jù)應(yīng)用需求靈活組合這些儀器功能，實(shí)現(xiàn)同時(shí)運(yùn)行并構(gòu)建定制化的測(cè)試測(cè)量系統(tǒng)。此外，Moku支持用戶編程，進(jìn)一步增強(qiáng)其在各類科研和工程應(yīng)用中的適應(yīng)性與擴(kuò)展性。