北京大学团队发布全新计算架构，攻克傅里叶变换算力难题。该架构融合两种后摩尔新器件，在保证精度前提下，实现算力提升近4倍、能效提升96.98倍，有望为具身智能、脑机接口等前沿领域带来突破。
智能速览
北京大学团队研发出多物理域融合计算架构。
新架构使傅里叶变换算力提升近4倍，能效提升96.98倍。
突破了后摩尔新器件“技能单一”的应用瓶颈。
为具身智能、脑机接口等端侧高并发应用开辟新可能。
实现了从“算法驱动”到“物理域驱动”的范式革新。
精华内容
算力提升的背后，是一次对底层计算逻辑的彻底重构，意义重大。
融合新器件
此次突破的核心在于系统级的异质集成。科研团队将易失性氧化钒器件与非易失性氧化钽/铪器件这两种“后摩尔新器件”结合，构建了多物理域融合计算架构。
这意味着不同的计算任务，可以在其最匹配的“物理赛道”（如电流、电荷、频率域）中执行，从而将硬件效率最大化，解决了新器件功能单一的难题。
性能飞跃
实验数据显示，新架构的性能指标实现了质的跨越。傅里叶变换的运算速度从每秒约1300亿次提升至约5000亿次，算力提升近4倍。
同时，吞吐率从100GS/s级别跃升至500GS/s以上，更重要的是，能效比惊人地提升了96.98倍，并显著降低了存储与互连资源的消耗。
破解旧瓶颈
随着AI大模型等场景兴起，端侧设备对高并发、多模态信号处理的需求激增，但传统硅基芯片已逼近物理极限。行业寄予厚望的忆阻器等后摩尔新器件，普遍存在“技能太单一”的问题，无法适配实际应用中多样化的计算需求，导致算力提升受阻。
新架构成功突破了“算子谱系扩展难”的瓶颈。
应用新前景
这项技术精准命中了前沿领域的痛点。例如，具身智能机器人在处理视觉、听觉、触觉等多模态信号时，需要极高的实时算力，新架构可满足其需求。
在脑机接口领域，它有望解决传统设备功耗高、需频繁手术更换硬件的困扰，大幅提升患者体验。
范式革新
该成果不仅是性能提升，更是计算范式的根本性变革。它将传统的“算法—电路—器件”分离设计模式，转变为“应用算法—电路架构—器件物理域”三层深度融合。
这标志着傅里叶变换硬件架构从“算法驱动”迈向了“物理域驱动”的新阶段，为我国在新一代计算架构领域实现领跑奠定了基础。
这一突破不仅是性能的跃升，更是计算范式的革新。随着技术落地，我国有望在智能计算时代实现引领，未来值得期待。
关键评论
成果令人震撼，期待更多科普内容以帮助大众理解其重大意义。
模拟电路与数字电路的结合在算力提升和节能方面前景广阔。
关于科研成果为何选择在国外期刊发表，引发了公众的思考和讨论。
