Rain科技7月5日消息，据媒体报道，北京大学集成电路学院杨玉超教授团队联合中国科学院，成功研发出全球首款忆阻器神经动力学芯片。杨玉超指出，这一突破为脑机接口与脑疾病诊疗开辟了全新的可能性。从技术原理来看，忆阻器作为一种能够通过电阻变化模拟神经突触行为的器件，天然具备存算一体的优势，而此次团队首次将其实物化并用于神经动力学系统，意味着硬件层面实现了从“数字计算”到“物理演化”的跨越。
杨玉超表示，要实现机器像人脑一样实时建模并理解物理世界，亟需一种融合神经网络与微分方程的“神经动力学系统”。该系统能够在不完整或含噪声的数据中，重建出平滑且精确的三维脑结构，具有广阔的应用前景。例如在神经影像学中，传统算法对噪声敏感，而神经动力学系统能通过连续时间演化实现鲁棒性更强的重建，这对阿尔茨海默症等疾病的早期诊断至关重要。
然而，传统计算架构面临一个根本性瓶颈——“存储墙”问题：存储与计算分离，求解过程中产生的大量中间变量需在内存与处理器间频繁搬运，犹如一个庞大的数据工厂，大量时间浪费于数据迁移，不仅延迟显著，功耗也居高不下。这也是为何现有GPU尽管算力强大，却在处理这类动态微分方程时效率低下的根本原因。
为攻克这一难题，研究团队从忆阻器自身的物理特性中找到了突破口。他们利用相变存储器固有的“电导漂移”现象——在一定时间窗口内，其电导变化具有可预测性和精准可控性。实际上，传统观点认为电导漂移是器件的不稳定性来源，而该团队反其道而行之，将其转化为可控的计算资源，这一思路颇具颠覆性。
据此，团队提出“可控存内计算”新范式，将动力学系统求解中最耗时的自适应步长搜索过程，直接编码为器件物理电导演化过程，在存储单元内部原位完成计算。简而言之，原本需由复杂数字电路反复执行的运算、缓存访问和数据搬运，现在交由器件本身的物理规律自动完成，从而从根源上消除了数据搬运带来的能量和时间开销。
“性能表现令人振奋。”杨玉超表示，在同等运算条件下，该芯片较当前最先进的专用加速器，速度提升3.82倍至36.27倍，功耗降低11.75倍至24.73倍；在脑皮层表面高保真重建任务中，相比NVIDIA A100 GPU，加速比高达478.18倍。值得指出的是，这一对比不仅体现了算力的提升，更展现了存算一体化在特定任务中的巨大潜力——传统GPU在频繁读写内存时存在大量空闲周期，而忆阻器芯片几乎完全避免了这一损耗。
重建出的脑皮层网格平滑且拓扑一致，能够精准刻画复杂的褶皱结构，同时有效抑制传统方法中常见的伪影和自相交缺陷。这得益于神经动力学系统对连续时空的建模能力，而非传统离散采样后的插值近似。
杨玉超进一步指出，这项突破为脑机接口与脑疾病诊疗开启了全新想象空间。未来，个体化、动态化的脑数字孪生有望成为现实，术中神经导航、阿尔茨海默症早期筛查及个性化干预等应用，将获得可实时运行的硬件底座。当然，该技术距离大规模商用仍有一段距离：当前忆阻器的工艺一致性、长期稳定性以及集成度尚需工程化验证，但此次成果无疑为后续研究提供了坚实的方向。
