北京大学集成电路学院杨玉超教授团队与中国科学院携手，在芯片研发领域取得重大进展，成功研制出全球首款忆阻器神经动力学芯片。这一成果为脑机接口技术与脑疾病诊疗领域带来了全新的发展契机。
在科技发展的进程中，让机器如同人脑一般实时对物理世界进行建模并理解，一直是科研人员努力的方向。要达成这一目标，融合神经网络与微分方程的“神经动力学系统”成为关键。该系统具备独特优势，即便面对不完整或含有噪声的数据，也能重建出平滑且精确的三维脑结构，展现出巨大的应用潜力。
然而，传统计算架构存在难以逾越的障碍——“存储墙”问题。在传统架构中，存储与计算相互分离，求解过程中产生的大量中间变量需要在内存和处理器之间频繁搬运。这就好比一个庞大的数据工厂，大量时间都耗费在数据迁移上，不仅导致延迟明显，功耗也居高不下。
为突破这一困境，研究团队将目光投向忆阻器的物理特性。他们发现相变存储器存在“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。基于这一特性，团队提出了“可控存内计算”新范式。
“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。这意味着原本需要复杂数字电路反复执行的运算、缓存访问和数据搬运，现在可以依靠器件本身的物理规律自动完成。
从性能表现来看，该芯片成绩斐然。在同等运算条件下，与当前最先进的专用加速器相比，其速度提升了3.82倍至36.27倍，功耗降低了11.75倍至24.73倍。在脑皮层表面高保真重建任务中，相较于NVIDIA A100 GPU，加速比更是高达478.18倍。
利用这款芯片重建出的脑皮层网格，不仅平滑且拓扑一致，能够精准刻画复杂的褶皱结构，还能有效抑制传统方法中常见的伪影和自相交缺陷。
杨玉超教授表示，这一突破为脑机接口和脑疾病诊疗开辟了全新的想象空间。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，也将获得可实时运行的硬件支撑。
