提升算力 北大团队在多物理域融合计算架构领域取得突破

来源：滚动播报

（来源：中工网）

中新网北京1月13日电

记者 张素

现代科学和工程领域广泛应用“傅里叶变换”。作为频率的“翻译器”“压缩器”，这种计算方式可将声音、图像等复杂信号转换为频率语言。

北京大学人工智能研究院研究员陶耀宇、集成电路学院教授杨玉超组成的科研团队取得突破，实现后摩尔新器件异质集成的多物理域融合“傅里叶变换”，使算力提升近4倍。该成果论文近日发表于国际学术期刊《自然·电子》。

“该成果聚焦突破后摩尔新器件的算子谱系扩展难题，有望解决当前众多前沿领域的低延迟、低功耗信号处理与计算需求。”杨玉超说。

“翻译器”“压缩器”

“傅里叶变换”用于将复杂信号(比如声音、图像、时间序列等)转换为频率语言。在人工智能中，这种能力也被广泛应用于特征提取、降噪、压缩、计算优化等方面。

陶耀宇举例说，直接处理原始音频波形非常困难，因为人声由数千个频率混合而成。“傅里叶变换”将时间轴上的波形转换为频率轴上的“光谱”，类似于将一段音乐拆解为一个个独立的音符，再通过滤除高频噪声或低频噪声，提升语音清晰度，继而实现说话人识别或乐器分类。

近年来，新型计算场景不断涌现，对运算速度、精度等要求越来越高，而传统硅基器件经过长时间发展已接近极限。以忆阻器、光电器件为代表的后摩尔时代的新型器件凭借独特的计算性能，有望突破算力与能效困局。

不过，这些新器件往往由于可支持的计算方式单一，无法适配实际应用中多样化计算方式的需求，严重制约着算力和效能提升。

必须啃下“硬骨头”

“拓展可支持的算子谱系，不仅是后摩尔新器件芯片研发与实用化落地的‘深水区’，更是我们实现底层算力突破必须啃下的‘硬骨头’。”陶耀宇说。

据介绍，北大科研团队长期在面向实际应用落地的后摩尔新器件算子谱系拓展这一“深水区”攻坚克难，前期已突破多种复杂算子的后摩尔新器件多物理域电路与架构设计，并已攻克基于后摩尔新器件的排序等典型瓶颈算子。

此次，科研团队瞄准“傅里叶变换”这一通用计算方式，创造性地将“易失性氧化钒器件”与“非易失性氧化钽/铪器件”这两种适合做频率转换载体的新器件，在多物理域融合架构下进行系统集成，做出了可应用于“傅里叶变换”等多样化计算方式的硬件系统。

“让复杂计算过程发生在后摩尔新器件最适合的物理域中”，该成果第一作者、北京大学集成电路学院的蔡磊博士表示，这有望引领后摩尔时代新型计算架构发展的新方向。

陶耀宇介绍说，新技术架构实现了高达99.2%的“傅里叶变换”精度，实验与仿真结果显示，其吞吐率最高可达504.3GS/s，相比目前最快的硅基芯片提升近4倍，能效提升达96.98倍，同时显著降低了存储与互连资源的消耗。

让新器件“跑起来”

新的计算框架有望突破后摩尔新器件的算子谱系扩展难题，即可同时支持多种计算方式，让新器件真正“跑起来”。

陶耀宇说，两种器件在系统集成后充分发挥了在频率生成调控与存算一体方面的互补优势，在保证计算精度、降低计算功耗的前提下，将“傅里叶变换”计算速度从当前每秒约1300亿次提升至每秒约5000亿次，运算速度提升数倍。

具身智能落地应用中，有望突破端侧算力无法实时和处理高并发、多模态信号的瓶颈；在脑机接口等生理信号处理领域，或可破解病患需要多次接受创伤性手术来更换硬件设备的痛点……杨玉超在展望未来时举例说。

受访专家更表示，期待加速新器件在人工智能基础模型、自动驾驶、通信系统、信号处理等多个前沿领域技术的落地应用，赋能经济高质量发展，筑牢“智算根基”。