近日，我校信息科学与技术学院耿志强教授、韩永明教授团队新进青年教师蔡磊取得重要科研进展，以第一作者身份先后在国际顶级期刊《Science》与《Nature Electronics》发表重要研究成果。两项工作分别围绕神经动力学计算和傅里叶变换两类基础计算问题，面向工业自动化、智能控制和工业人工智能对高实时、高能效计算平台的迫切需求，突破了存算一体计算架构中的关键瓶颈，为下一代工业智能计算、工业大模型推理和复杂过程实时优化提供了新的理论基础支撑。
《Science》：全球首个基于相变存储器的毫秒级神经动力学系统
研究团队成功研制出全球首个基于相变忆阻器的毫秒级神经动力学系统芯片，突破了相变型忆阻器长期面临的“可控存内计算”国际难题，首次将神经动力学系统单步运算时延压缩至2.12毫秒。神经动力学系统融合了神经网络的强表达能力和微分方程的连续演化机制，是复杂物理过程建模、智能控制、计算成像以及工业过程数字孪生的重要基础模型。然而，自神经动力学系统提出以来，如何在保证连续建模精度的同时实现毫秒级实时计算，一直是制约其工程应用的核心挑战。
针对这一难题，研究团队提出基于相变忆阻器的“可控存内计算”新范式，通过精准调控相变存储器电导漂移特性与多级电导状态，首次构建了可编程、可控制的原位存内计算机制，实现了神经动力学求解过程中自适应积分步长搜索与多级电导乘累加计算的协同融合，从器件、算法到芯片架构形成完整的一体化设计。相比传统数字计算架构，该方案大幅减少了数据搬运、缓存访问和重复读写带来的计算开销，在保证计算精度的同时显著提升了实时性和能效。实验结果表明，在执行相同神经动力学计算任务时，该系统相比当前国际先进专用加速器（ASIC）实现3.82～36.27倍速度提升、11.75～24.73倍能效提升；在脑皮层表面重建等复杂动力学建模任务中，相较NVIDIA A100 GPU实现50.38～478.18倍加速。该成果标志着神经动力学计算首次迈入毫秒级实时时代，为脑机接口、脑数字孪生、智能医学等领域提供了新型计算平台。与此同时，其连续动力学实时求解能力同样适用于化工过程建模、工业数字孪生、预测控制和复杂装备健康监测等工业自动化场景，为流程工业复杂系统的在线建模、实时优化和自主控制提供了全新的硬件基础。
图-基于相变型忆阻器的毫秒级神经动力学系统（论文链接：https://doi.org/10.1126/science.aee6277）
《Nature Electronics》：基于新型存储器异质集成的第一性原理傅里叶变换系统
研究团队首次实现了基于忆阻器异质集成架构的第一性原理傅里叶变换系统（Hetero-Integrated Fourier Transform，HIFT），提出融合易失型与非易失型忆阻器的高通量频谱计算新体系，首次从材料物理层面重新定义了傅里叶变换的计算机制，实现了任意基数以及均匀、非均匀离散傅里叶变换在统一硬件平台上的高效计算，推动傅里叶变换硬件体系由传统算法驱动向材料与物理定律驱动的重要跨越。该系统创新性地将易失型氧化钒（VO₂）忆阻器与非易失型氧化钽/氧化铪（TaOx/HfOx）忆阻器进行异质集成，充分利用两类器件在频率生成和存内计算方面的优势互补，将传统依赖数字逻辑电路完成的傅里叶变换过程，转化为依托材料导电特性和相变振荡自然演化完成的物理计算过程，实现了算法、器件、材料和电路的深度融合。为工业大模型推理、智能感知和复杂过程控制提供了高实时、高能效、低功耗的新型计算平台。相关成果进一步推动了工业自动化领域软硬件协同设计的发展，为未来工业智能控制系统向自主感知、自主决策和自主优化演进奠定了重要基础。
图-基于忆阻器异质集成架构的第一性原理傅里叶变换系统示意图（论文链接：https://doi.org/10.1038/s41928-025-01534-8）
科研团队介绍：
耿志强，北京化工大学信息科学与技术学院教授、博士生导师、智能过程系统工程教育部工程研究中心副主任、北京化工大学数据科学与工程研究中心主任、中国自动化学会理事、北京自动化学会常务理事、北京人工智能学会常务理事，主持及参与国家自然科学基金、国家重点研发计划及多项企业合作项目。
韩永明，北京化工大学信息科学与技术学院教授、博士生导师、国家优青、计算机系系主任，主持了国家自然科学基金优秀青年基金、重点项目子课题、面上项目、青年项目和工信部高质量发展工程等项目20余项。
蔡磊，北京化工大学信息科学与技术学院讲师、硕士生导师，主持了北京市青年基金、承担国家自然科学基金子课题，参与国家重点研发计划，以第一作者发表高水平文章十余篇。