新型模拟芯片突破算力瓶颈，中国科学家助力6G与AI发展

北京大学人工智能研究院孙仲研究员团队联合合作单位在国际顶级期刊《自然・电子学》发表重要研究成果，题为《基于阻变存储器芯片的高精度可扩展模拟矩阵方程求解》。该研究首次实现了模拟计算精度与数字计算相媲美的技术飞跃，将传统模拟计算精度提升五个数量级，为后摩尔时代计算架构革新注入关键技术动力。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

研究团队研发的阻变存储器芯片在求解大规模矩阵方程时表现优异。实验结果显示，该芯片在32×32矩阵求逆任务中单核算力超越高端GPU，处理128×128矩阵时计算吞吐量达到顶尖数字处理器千倍以上。在能效方面，同等精度下较传统数字处理器提升超百倍，这一突破为建设高能效计算中心开辟了新路径。

作为线性代数核心运算，矩阵方程求解在信号处理、神经网络训练等领域应用广泛。传统数字计算面临时间复杂度立方级增长难题，而模拟计算虽具备高并行、低功耗特性，却长期受制于精度不足与扩展性局限。研究团队通过创新设计，将模拟低精度矩阵求逆与模拟高精度矩阵-向量乘法有机结合，研发出全模拟矩阵方程求解方案，成功实现16×16矩阵的24比特定点数精度求逆。

在技术实现上，研究团队采用40nm CMOS工艺制备阻变存储器阵列，达成3比特电导态编程。通过迭代算法优化，模拟矩阵求逆电路能在每次迭代中输出近似准确结果，显著减少迭代次数；高精度模拟矩阵-向量乘法运用位切片技术，实现对迭代过程的精确调控。这种软硬件协同创新策略，成功打破了传统模拟计算在精度与扩展性方面的双重限制。

在实际应用测试中，该技术在大规模MIMO信号检测任务中表现卓越。研究团队展示的迫零检测图像恢复实验表明，仅需两次迭代，接收图像即与原始图像高度吻合。误码率-信噪比分析显示，经过三次迭代后系统检测性能即可达到32位浮点精度数字处理器水准，展现出在实时信号处理领域的广阔前景。

此项突破对6G通信与人工智能发展具有深远影响。在6G基站部署中，该技术可实现海量天线信号的实时低功耗处理，大幅提升网络容量与能效。对于人工智能大模型训练，其高效支持二阶优化算法的特性，有望将训练效率提升数个量级。特别值得注意的是，终端设备可直接执行复杂信号处理与AI训练推理任务，显著降低对云端计算的依赖，为边缘计算发展拓展新空间。

研究团队负责人孙仲研究员表示，这项成果证实了模拟计算能以卓越效率与精度解决现代科学工程中的核心计算难题。通过新型信息器件、原创电路与经典算法的协同创新，研究团队为算力提升探索出新方向，有望改变数字计算的长期垄断局面，推动计算技术迈向绿色高效的新纪元。该研究成果已正式发表于《自然・电子学》，相关研究数据与实验方法可通过期刊官方渠道获取。