北京大学人工智能研究院孙仲研究员团队联合多家科研机构，在国际知名期刊《自然・电子学》发表重要论文《基于阻变存储器芯片实现高精度、可扩展的模拟矩阵方程求解》。研究团队研发出全球首个兼具高精度与可扩展性的模拟矩阵计算芯片，将模拟计算精度首次提升至数字计算水平，为后摩尔时代的计算架构创新开辟了新方向。

针对传统数字计算在处理大规模矩阵方程时存在的复杂度高、能耗大等问题，研究团队创新性地提出基于阻变存储器的全模拟计算方案。通过将"阵列-运算放大器"闭环反馈结构与迭代算法有机结合，实现了矩阵求逆与矩阵-向量乘法的高效协同。实验结果表明，该方案在处理16×16矩阵求逆时达到24位定点精度，相对误差仅为10⁻⁷量级，计算吞吐量比顶级GPU提升最高1000倍，能效提升超过100倍。

在技术层面，研究团队成功突破了传统模拟计算的三项关键难题：运用位切片技术将矩阵-向量乘法精度提升至24位；采用40纳米CMOS工艺实现3比特电导态编程；创新设计了可扩展的阻变存储器阵列架构。这种设计显著减少了模拟矩阵求逆的迭代次数，同时保持了模拟计算固有的低复杂度优势。在32×32矩阵求逆测试中，单核算力已经超越高端GPU；当扩展至128×128矩阵时，性能优势更加明显。

在实际应用方面，该技术在6G通信关键领域展现出独特优势。研究团队将其应用于大规模MIMO信号检测，在无线通信场景中，仅需3次迭代即可达到32位浮点数字处理器的检测性能。基于迫零检测的图像恢复实验表明，第二个迭代周期就能实现接收图像与原始图像的高度一致，误码率-信噪比曲线验证了其在实际通信系统中的可靠性。

这项重要成果标志着我国在新型计算架构领域取得重大突破。研究团队通过器件-电路-算法的协同创新，成功解决了模拟计算精度与可扩展性难以兼顾的历史性难题。该技术不仅为人工智能大模型训练提供高效算力支持，其低功耗特性还能推动AI训练与推理直接在终端设备部署，显著降低对云端计算的依赖。在6G通信领域，该技术有望实现基站对海量天线信号的实时低能耗处理，大幅提升网络容量与能效表现。

据研究团队透露，这项成果已形成完整的技术体系，相关论文同步发表在《自然・通讯》《科学进展》等顶级期刊。随着后摩尔时代计算需求的快速增长，这种新型模拟计算架构将为智能计算与通信系统提供重要技术支撑，开启绿色高效的计算新时代。