北京大学人工智能研究院孙仲研究员团队联合集成电路学院研究团队宣布，成功研制出基于阻变存储器（RRAM）的高精度、可扩展模拟矩阵计算芯片。该芯片首次实现模拟计算精度与数字计算媲美，且在求解大规模MIMO信号检测等关键任务中，计算吞吐量与能效较顶级数字处理器（GPU）提升百倍至千倍。相关成果发表于《自然·电子学》期刊，为模拟计算在人工智能、通信等领域的规?；τ每倭诵侣肪?。

模拟计算“精度-扩展性”难题获突破??

模拟计算因天然具备并行性、低功耗等优势，在处理矩阵运算等科学问题时潜力巨大，但其精度不足、扩展性差的缺陷长期制约发展。如何让模拟计算兼具高精度与可扩展性，是全球科学界亟待解决的“世纪难题”。

孙仲团队创新性地提出“器件-电路-算法”协同设计策略：通过研发新型阻变存储器阵列作为核心信息器件，结合原创模拟电路架构与经典数值算法优化，构建了全模拟矩阵方程求解器。实验显示，该芯片首次将模拟计算精度提升至24位定点精度，成功实现16×16矩阵的24比特定点数精度求逆，经10次迭代后相对误差低至10??量级，接近数字计算的可靠性水平。

??性能碾压顶级GPU：算力能效双突破??

在计算性能上，团队验证了芯片的超强潜力：

· 求解32×32矩阵求逆问题时，其算力超越高端GPU单核性能；
· 当问题规模扩大至128×128时，计算吞吐量达到顶级数字处理器的1000倍以上；
· 能效比（计算量/功耗）较GPU提升百倍，大幅降低大规模计算的能耗成本。

“这意味着模拟计算不再是数字计算的‘配角’，而是能在高精度、大规模任务中独当一面的‘主力军’?！彼镏俦硎?#xff0c;该芯片在大规模MIMO信号检测、深度学习推理等场景中具有直接应用价值，有望推动通信、AI等领域的技术革新。 ?