Science | 北大研制全球首款基于可控存內計算的憶阻器神經動力學芯片

　　新智元報道

　　【新智元導讀】近日，新基石研究員、北京大學集成電路學院教授、深圳研究生院信息工程學院院長楊玉超團隊，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》發表最新成果，在新型神經動力學計算芯片領域取得重大突破。

　　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，北京大學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。

　　論文鏈接：https://doi.org/10.1126/science.aee6277

　　該方案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，為后摩爾時代計算芯片提供了一種全新范式。

　　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。

　　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。

　　這一成果標志著在神經動力學系統實時計算方面取得關鍵突破，它不僅將原本需要離線運行的復雜建模方法推向毫秒級實時在線操作，也為下一代腦機接口、腦數字孿生、神經導航和神經退行性疾病智能診療提供了全新的硬件底座。

　　圖1 基于相變型憶阻器的毫秒級神經動力學系統

　　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。

　　圖2 基于相變型憶阻器的神經動力學芯片性能

　　值得注意的是，研究團隊將該芯片用于大腦白質與腦灰質皮層表面的實時重建以及三維流形網格生成。

　　結果表明，該系統能夠生成平滑、閉合、拓撲一致的腦皮層表面，準確刻畫復雜皮層褶皺結構，并有效抑制傳統神經網絡方法中常見的自相交（Self Intersection）和非流形偽影。

　　重建結果在對稱表面平均距離（Average Symmetric Surface Distance）和豪斯多夫距離（Hausdorff Distance）等指標上均顯示出優勢，滿足高保真腦結構建模要求。

　　圖3 實時大腦皮層表面重建以及三維流形網格生成

　　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。

　　論文的共同通訊作者北京大學朱毅鑫研究員，北京大學陶耀宇副研究員，第一作者北京大學博士后蔡磊(現任職于北京化工大學講師)，中國科學院上海微系統與信息技術研究所解晨晨研究員，北京大學博士后閆龍皞。

　　《科學》雜志同期針對該工作發表專題觀點評述文章（Perspective），高度評價該工作「代表了一種物理驅動計算的理念轉變」。

　　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。

　　參考資料：

　　https://doi.org/10.1126/science.aee6277

　　編輯：LRST