7 月 5 日消息，據北京大學信息工程學院消息，新基石研究員、信息工程學院院長、廣東省存算一體芯片重點實驗室主任楊玉超教授團隊，聯合中國科學院上海微系統與信息技術研究所宋志棠研究員團隊等，在國際頂級學術期刊《科學》發表題為“A sub-10-millisecond neural dynamical system based on phase change memristors”的研究成果，在新型神經動力學計算芯片領域取得重大突破。

研究團隊成功研制出全球首個基于相變憶阻器的毫秒級神經動力學系統芯片，突破了相變型憶阻器長期面臨的“可控存內計算”國際難題，首次將神經動力學系統的單步運算時延壓縮至 2.12 毫秒。

據介紹，神經動力學系統將神經網絡的表達能力與微分方程的連續演化機制相結合，在物理世界建模、計算成像等領域具有廣泛用途，自神經動力學系統誕生半個世紀以來，如何在保持高精度連續建模能力的同時實現低延遲實時計算，始終是制約該類系統走向實際應用的核心瓶頸。

針對這一問題，團隊提出了基于相變型憶阻器的“可控存內計算”新范式，通過調控相變存儲器電導漂移與多級電導特性，構建出精準可控的原位存內計算機制，系統性地融合器件物理特性與神經動力學算法，實現了自適應積分步長的原位搜索以及多級電導的存內乘累加計算芯片設計。

基于相變器件兩種電導可控特性，采用 40 納米工藝制造神經動力學芯片，存內計算與步長漂移陣列總面積僅 0.28 平方毫米，并配備編程脈沖生成電路、模數轉換器等外圍電路。芯片運行頻率為 50 MHz，單步積分僅需 9 級流水，最終實現 2.12 毫秒的神經動力學單次迭代計算時延，首次將神經動力學硬件系統運行時間推進到毫秒級時代。

值得一提的是，該方案還顯著減少了傳統數字硬件中頻繁的讀寫、乘法運算、緩存訪問與數據搬運等高開銷操作，兼具高精度與實時性。

▲ 基于相變型憶阻器的毫秒級神經動力學系統

相關實驗結果表明，在執行相同神經動力學運算時，該系統較當前最先進的專用加速器（ASIC）實現 3.82~36.27 倍速度提升以及 11.75~24.73 倍功耗降低；在腦皮層表面重建等高保真腦建模任務中，較 NVIDIA A100 GPU 提速達 50.38~478.18 倍。

這一突破對于腦機接口具有重要啟示。未來腦機接口不僅需要讀取神經信號，更需要實時理解大腦狀態、預測神經動力學演化，并根據反饋進行閉環調控。高保真腦建模能夠以毫秒級速度運行，有望為腦機接口提供個體化、動態化、可解釋的腦狀態模型，使腦機系統從簡單信號識別走向實時腦狀態建模與智能交互。

▲ 基于相變型憶阻器的神經動力學芯片性能

相關工作入選“面向 2030 北京大學重大培育項目”。該研究得到新基石研究員項目、國家重點研發計劃、國家自然科學基金、廣東省存算一體芯片重點實驗室、深圳市重點產業研發計劃等支持。