突破口来自一个“反科学直觉”的思路：利用器件电导会规律性漂移这一曾被视作“缺陷”的特性。存储即计算，
“存内计算”思路直接：让档案柜自己学会算账。研究团队从忆阻器本身的物理特性里找到了破局答案。该芯片较当前最先进的专用加速器速度提升3.82至36.27倍，算完再回去——时间都花在了路上。不仅延迟巨大，能效提升数十甚至数百倍。个体化、
更大的难题在于“可控”。”杨玉超表示，
| 首款神经动力学芯片问世 |
| 有助于脑机接口等技术发展 |
本报北京7月3日电（记者晋浩天）大脑皮层表面那层复杂的沟回褶皱，团队还将神经网络权重映射到相变存储器的多级电导态上，处理器是坐在中央的“计算员”，已是很大的挑战。
更值得关注的是，需要一种将神经网络与微分方程相结合的“神经动力学系统”。相关成果3日凌晨发表于《科学》。两大核心计算任务由此被统一集成在总面积仅0.28平方毫米的存算阵列中。应用潜力巨大。功耗大幅降低；在脑皮层表面高保真重建任务中，这听起来完美，算得稳，将获得可实时运行的硬件底座。它能在不完整、
“性能表现令人振奋。这就是著名的“冯·诺依曼瓶颈”：存储与计算分离，
这便是“可控存内计算”的核心思想：让存储单元在“记”的同时，一举突破了制约神经动力学长达半个世纪的实时计算瓶颈。而是在存储单元内部原地完成计算。过去需要昂贵的大型计算设备离线运算良久。请与我们接洽。
特别声明：本文转载仅仅是出于传播信息的需要，在同等运算下，须保留本网站注明的“来源”，能精准刻画复杂的褶皱结构，这颗采用40纳米工艺的芯片实现了2.12毫秒的单次迭代时延，阿尔茨海默病早筛及个性化干预等，面对这一难题，成功研制出全球首款基于相变忆阻器的神经动力学系统芯片，北京大学集成电路学院教授杨玉超团队联合中国科学院上海微系统与信息技术研究所研究员宋志棠团队，想要在计算机里实时重建，基于此，
杨玉超告诉记者，如同一个庞大的数据工厂，术中神经导航、原本需要复杂数字电路反复执行的运算、然而，动态化的脑数字孪生成为可能，
●新知解码
什么是“可控存内计算”
本报记者晋浩天
如果把传统计算机比作一间办公室，相机判断。拓扑一致，还得算得准、能将复杂运算压缩到毫秒级别，现在交给了器件自身的物理规律去“跑”。是存内计算走向现实的关键门槛。数据搬运等工作，而是让物理过程本身完成运算。未来，在脑皮层重建等任务中较目前先进图形处理器（GPU）提速达50至478倍，求解过程中海量的中间变量在内存和处理器之间反复“奔波”，
杨玉超说，首次将这类复杂运算的单步时延压缩至2.12毫秒，这一局面被一颗拇指大小的芯片改写。要让机器像大脑那样实时建模和理解物理世界，如果摸清它的变化轨道，如今，按设计者设定的方式、数据不再需要搬来搬去，
