北大首发相变忆阻器芯片登顶《科学》，脑皮层重建提速478倍

近期，国际顶级学术期刊《科学》刊登了一项来自中国团队的重大芯片研究成果。北京大学集成电路学院杨玉超教授团队联合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，成功研制出全球首款基于相变忆阻器的毫秒级神经动力学系统芯片，首次将这类复杂运算的单步迭代时延压缩至2.12毫秒。在脑皮层表面高保真重建任务中，该芯片较英伟达A100 GPU提速最高达478.18倍。

这颗芯片采用40纳米成熟工艺制造，核心的存内计算与电导漂移阵列面积仅0.28平方毫米，运行频率为50MHz，单步积分仅需9级流水线。作为对比，英伟达A100 GPU采用7nm工艺——两者之间隔着10nm、14nm、22nm、28nm等多个节点，制程整整落后了五代。

“性能表现令人振奋。”杨玉超表示，在同等神经动力学运算下，该芯片较当前最先进的专用ASIC加速器速度提升3.82至36.27倍，功耗降低11.75至24.73倍；在脑皮层表面高保真重建任务中，甚至比NVIDIA A100 GPU提速高达478.18倍。重建出的脑皮层网格平滑、拓扑一致，能精准刻画复杂的褶皱结构，并有效抑制传统方法中的伪影和自相交缺陷。

神经动力学系统将神经网络的表达能力与微分方程的连续演化机制相结合，能够从带噪声、不完整的影像数据中恢复平滑、拓扑一致的三维结构，在物理世界建模、计算成像、脑科学等领域具有广泛用途。然而，自该系统的概念诞生半个世纪以来，如何在保持高精度连续建模能力的同时实现低延迟实时计算，始终是制约其走向实际应用的核心瓶颈。

传统数字硬件面临的根本矛盾在于：神经动力学求解需要反复进行数值积分、误差控制和自适应步长搜索，计算量巨大；而冯·诺依曼架构中存储与计算单元分离，海量中间变量不得不在内存与处理器之间反复“搬运”，进一步放大了延迟和能耗。

针对这一难题，杨玉超团队提出了基于相变型忆阻器的“可控存内计算”新范式。

该范式的精妙之处在于对物理特性的“反向利用”：相变存储器有一个长期被视作缺陷的特性——电导漂移，即电导会随着时间推移发生漂移。传统存储芯片拼命想压住它，而北大团队没压，而是把这种以往需要抑制的漂移转化成了计算过程本身——将动力学系统求解中的自适应步长搜索，直接编码为器件的物理电导演化过程。与此同时，团队将神经网络权重映射到相变存储器的多级电导态上，在同一个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0.28平方毫米的存算阵列中。中国科学院上海微系统所公布的数据显示，芯片采用40纳米1T1R相变单元，小电极厚度达到3纳米，相导器件良率超过99.99999%，电导可以进行16级以上调控。在误差容限为10⁻⁷时，单次迭代延迟降至2.12毫秒。

为了验证芯片的实际能力，研究团队用它完成了大脑白质与灰质皮层表面的实时重建。生成的皮层表面平滑、封闭且拓扑一致，完整保留了真实大脑的复杂褶皱结构。

在相同的脑皮层表面高保真重建任务中，传统16核CPU需耗时一两小时，英伟达A100 GPU虽大幅提升效率，但该芯片仅需约400毫秒即可完成，相较A100提速达50.38至478.18倍。这一突破将原本需大型服务器离线运算数小时的任务压缩至零点几秒，标志着神经动力学硬件系统首次真正迈入“毫秒时代”。

该芯片为多个前沿领域提供了实时硬件底座，有望广泛应用于脑机接口、脑数字孪生、实时手术导航及阿尔茨海默症等神经退行性疾病研究。