大脑皮层那错综复杂的首款神经世有术沟回褶皱，曾被视为计算机实时重建的动力等技“禁区”，过去依赖昂贵的学芯大型计算设备进行漫长的离线运算。如今，片问这一僵局被一颗拇指大小的助于展芯片彻底打破。北京大学集成电路学院杨玉超教授团队与中国科学院上海微系统与信息技术研究所宋志棠研究员团队，脑机成功研制出全球首款基于相变忆阻器的接口神经动力学系统芯片。该成果首次将复杂运算的首款神经世有术单步时延压缩至2.12毫秒，在脑皮层重建等关键任务中，动力等技较当前先进图形处理器（GPU）提速50至478倍，学芯一举攻克了制约神经动力学领域长达半个世纪的片问实时计算难题。相关突破性成果已于3日凌晨发表于国际顶级学术期刊《科学》。助于展

核心突破：从“数据搬运”到“物理计算”

杨玉超教授指出，脑机实现机器像人脑一样实时建模和理解物理世界，接口关键在于构建结合神经网络与微分方程的首款神经世有术“神经动力学系统”。该系统能在数据不完整、含噪声的环境下，重建出平滑且精确的三维脑结构，应用前景广阔。

然而，传统计算架构面临核心瓶颈——存储与计算分离。在求解过程中，海量中间变量需在内存与处理器之间频繁往返，如同在庞大的数据工厂中低效搬运，导致巨大的时间延迟和高昂的功耗。

针对这一痛点，研究团队从忆阻器的物理特性中找到了破局之道：
* 利用“电导漂移”特性：团队利用相变存储器在特定时间窗口内电导变化可预测、可精准调控的特点。
* 提出“可控存内计算”新范式：将原本需复杂数字电路执行的运算、缓存访问及数据搬运，转化为由器件物理规律主导的计算过程。

技术细节：0.28平方毫米的奇迹

团队创新性地将神经网络权重映射至相变存储器的多级电导态，在单一阵列内同步完成矩阵乘加运算。两大核心计算任务被统一集成在总面积仅0.28平方毫米的存算阵列中。

这颗采用40纳米工艺制造的芯片，实现了2.12毫秒的单次迭代时延，标志着神经动力学硬件正式迈入“毫秒时代”。

性能对比：速度与能效的双重飞跃

“性能表现令人振奋。”杨玉超表示，该芯片在多项指标上实现了显著超越：
* 通用加速：在同等运算负载下，较当前最先进的专用加速器速度提升3.82至36.27倍，同时大幅降低功耗。
* 脑皮层重建：在脑皮层表面高保真重建任务中，较国外先进GPU提速达478.18倍。
* 质量提升：重建出的脑皮层网格平滑、拓扑一致，能精准刻画复杂褶皱结构，并有效抑制传统方法中常见的伪影和自相交缺陷。

未来展望：开启脑数字孪生新纪元

这一突破为脑机接口和脑疾病诊疗打开了全新想象空间。未来，个体化、动态化的脑数字孪生将成为现实，为术中神经导航、阿尔茨海默病早期筛查及个性化干预提供可实时运行的硬件底座。

● 新知解码：什么是“可控存内计算”？

为了更直观地理解这一技术，我们可以将传统计算机比作一间办公室：
* 处理器是坐在中央的“计算员”。
* 存储器则是满墙的“档案柜”。

传统模式的痛点：冯·诺依曼瓶颈
每次计算，计算员都必须起身去档案柜取数据，算完再放回去。大量时间浪费在“路上”，这就是著名的冯·诺依曼瓶颈——存储与计算分离，数据搬运严重拖垮效率。

“存内计算”的理想与挑战
“存内计算”的思路很直接：让档案柜自己学会算账，数据无需搬运，在存储单元内部原地完成计算。但这极具挑战，因为存储单元天生只负责“记”，要让它同时“算”且算得准、算得稳，难度极大。

关键突破：“可控”二字
更大的难题在于“可控”。计算任务往往需要动态调整和即时判断。如何让物理器件具备“临场应变”能力，是存内计算落地的关键。

破局思路：驯服“缺陷”
研究团队采用了一个“反直觉”的思路：利用器件电导规律性漂移这一曾被视作“缺陷”的特性。一旦摸清其变化轨道，这种漂移就能被驯化为计算能力——不再依赖数字电路的反复读写比较，而是让物理过程本身完成运算。

核心定义
“可控存内计算”的核心思想是：让存储单元在“记”的同时，按照设计者设定的方式，在可约束的范围内完成“算”。实现存储即计算，且全过程精准可控。基于此范式研制的芯片，能将复杂运算压缩至毫秒级别，能效提升数十甚至数百倍。

（记者 晋浩天）