北大团队神经动力学芯片突破，毫秒级运算+存内计算登《科学》

近日，科研团队联合在国际顶级学术期刊《科学》发表重磅研究成果，在新型神经动力学计算芯片领域实现关键突破，成功打造出全球首个基于相变忆阻器的毫秒级神经动力学系统芯片，突破了相变型忆阻器长期面临的「可控存内计算」国际难题。

神经动力学系统结合了神经网络的强大表达能力与微分方程的连续演化机制，在物理世界建模、计算成像等多个领域都有着广泛的应用前景。但自该系统诞生半个世纪以来，如何在保留高精度连续建模能力的同时，实现低延迟的实时计算，一直是制约其走向实际落地的核心瓶颈。

针对这一行业难题，北京大学相关团队联合中国科学院上海微系统与信息技术研究所团队，提出了基于相变型忆阻器的「可控存内计算」全新范式。研究团队通过精准调控相变存储器的电导漂移特性与多级电导性能，构建出可控性极强的原位存内计算机制，系统性地融合了器件物理特性与神经动力学算法，实现了自适应积分步长的原位搜索，以及基于多级电导的存内乘累加计算芯片设计。

该方案大幅减少了传统数字硬件中频繁的读写操作、乘法运算、缓存访问以及数据搬运等高开销环节，同时兼顾了高精度与实时性，为后摩尔时代的计算芯片发展提供了一条全新的技术路径。

这款芯片采用40纳米工艺制造，基于相变器件的两种电导可控特性，存内计算与步长漂移阵列的总面积仅为0.28平方毫米，同时配备了编程脉冲生成电路、模数转换器等必要的外围电路。芯片运行频率达到50MHz，单步积分仅需要9级流水，最终将神经动力学系统的单步运算时延压缩至2.12毫秒，首次将神经动力学硬件系统的运行推进到毫秒级时代。

实验数据显示，在执行相同的神经动力学运算时，该系统对比当前最先进的专用加速器（ASIC），实现了3.82到36.27倍的速度提升，同时功耗降低了11.75到24.73倍；在脑皮层表面重建这类高保真脑建模任务中，对比NVIDIA A100 GPU，提速幅度达到50.38到478.18倍。

研究团队将该芯片应用于大脑白质与脑灰质皮层表面的实时重建以及三维流形网格生成任务，结果表现出色：系统能够生成平滑、闭合且拓扑一致的脑皮层表面，准确还原复杂的皮层褶皱结构，同时有效抑制了传统神经网络方法中常见的自相交和非流形伪影问题。在对称表面平均距离、豪斯多夫距离等核心评估指标上，重建结果都展现出明显优势，完全满足高保真脑结构建模的要求。

这一突破性成果标志着神经动力学系统实时计算领域取得了关键进展。它不仅将原本需要离线运行的复杂建模方法推向了毫秒级实时在线操作的新阶段，更为下一代脑机接口、脑数字孪生、神经导航以及神经退行性疾病智能诊疗等领域提供了全新的硬件底座。

《科学》杂志同期针对该研究发表了专题观点评述文章，高度评价这项工作“代表了一种物理驱动计算的理念转变”。

该项研究相关工作入选了“面向2030北京大学重大培育项目”，同时得到了新基石研究员项目、国家重点研发计划、国家自然科学基金、广东省存算一体芯片重点实验室、深圳市重点产业研发计划等多个项目的支持。