在神经动力学计算领域，一项突破性成果为实时脑皮层重建带来了革命性变革。北京大学集成电路学院与中国科学院上海微系统与信息技术研究所的联合团队，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，将复杂运算的单步时延压缩至2.12毫秒，在脑皮层重建任务中较现有图形处理器（GPU）提速最高达478倍，彻底突破了困扰该领域半个世纪的实时计算瓶颈。
传统计算架构的"存储-计算分离"模式是制约神经动力学发展的核心障碍。在求解三维脑结构重建等复杂问题时，海量中间变量需在内存与处理器间反复传输，导致运算延迟高、功耗大。研究团队创新性地提出"可控存内计算"范式，通过利用相变存储器的"电导漂移"特性——其电导变化在特定时间窗口内可预测且可精准调控——将运算过程直接嵌入存储单元内部，使数据无需搬运即可完成计算。
该芯片采用40纳米工艺制造，总面积仅0.28平方毫米的存算阵列中，集成了神经网络权重映射与矩阵乘加运算两大核心功能。通过将神经网络权重映射到相变存储器的多级电导态，芯片实现了在同一阵列内同步完成复杂运算，首次将神经动力学硬件带入毫秒时代。实验数据显示，在同等运算量下，该芯片较当前最先进专用加速器速度提升3.82至36.27倍，功耗显著降低；在脑皮层表面高保真重建任务中，重建出的网格结构平滑、拓扑一致，有效消除了传统方法中的伪影和自相交缺陷。
这项突破源于对器件物理特性的深度挖掘。研究团队颠覆性地将曾被视为缺陷的电导漂移现象转化为计算优势，通过精确控制电导变化轨迹，使物理过程本身完成运算任务。这种"让存储单元自己算账"的设计思路，彻底改变了传统计算机"处理器取数据-计算-存回"的工作模式，如同将办公室里的"档案柜"升级为既能存储又能计算的智能单元。
该成果在脑科学研究和医疗领域具有广泛应用前景。基于这种新型芯片的实时计算能力，未来有望实现个体化、动态化的脑数字孪生系统，为术中神经导航、阿尔茨海默病早期筛查及个性化干预等提供可实时运行的硬件支撑。研究团队表示，这种将神经网络与微分方程深度融合的计算范式，为处理不完整、带噪声的复杂数据开辟了新路径，其能效提升幅度可达数十甚至数百倍。
这项突破性研究已发表于国际顶级学术期刊，标志着我国在神经形态计算领域达到世界领先水平。通过重构计算底层架构，研究团队成功将脑皮层重建等复杂任务的运算效率提升至全新量级，为类脑智能和脑机接口技术的发展奠定了硬件基础。
