北大孙仲联合IBM等发布综述，重新定义现代模拟计算
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载现代模拟计算的定义
孙仲等四位作者联合撰写了一篇综述论文，提出「现代模拟计算」这一概念。四位作者分别来自北京大学、IBM苏黎世研究院和Unconventional AI。论文发表在Nature旗下专注非传统计算的期刊上。文章将现代模拟计算与传统模拟计算做了区分：传统模拟计算主要用于求解微分方程，而现代模拟计算主要面向矩阵计算；传统模拟计算依赖CMOS模拟电路，现代模拟计算则基于阻变存储器等新型纳米器件。传统模拟计算受困于低精度和难扩展，现代模拟计算探索出高精度与可扩展的路径。孙仲引用Corey J. Maley于2024年发表的研究，指出「模拟」的核心在于「类比」。
阻变存储器的物理机制
阻变存储器可通过电脉冲精确改变导电能力，断电后阻值不丢失。这一特性为电路开辟出可原位存储、随时调节的新物理变量「电导」。在计算过程中，乘法靠欧姆定律完成，多路求和靠基尔霍夫定律实现，一列乘加结果一次算出。配合外围运算放大器构建闭环反馈，电路可在纳秒内收敛到方程解。这种基于物理定律的计算方式，与传统数字电路通过时钟驱动逐位运算的路径不同。
与CMOS模拟方案的对比
2016年《JSSC》上一颗65纳米CMOS模拟芯片仅容纳4个积分器和8个乘法器。模拟电压信号长距离传输会严重衰减，CMOS运算放大器面积居高不下，限制了传统模拟计算的可扩展性。相比之下，1000×1000阻变存储器交叉阵列可集成100万个天然乘法器，在集成密度上呈现出不同量级。这一对比说明，现代模拟计算在器件层面改变了乘法器的实现方式，从而为大规模矩阵计算提供了新的物理基础。
研究脉络与产业关注
孙仲两三年前曾联合国际同行在《Nature Electronics》发表存内计算综述，此次综述延续了对非传统计算路径的系统梳理。产业层面，Unconventional AI估值超过45亿美元，Normal Computing获得三星和Eric Schmidt的投资。这些动态表明，围绕新型计算范式的探索正在吸引资本与产业力量的关注。对于读者而言，现代模拟计算提供了一种不同于数字路线的矩阵计算实现思路，其适用范围与限制仍需在具体器件与电路设计中进一步明确。
为什么值得看
用器件电导承载乘法、靠物理定律完成乘加，是绕开数字芯片算力与能耗瓶颈的一条路线，这篇综述给出了该方向的边界与术语框架。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。