1月10日，北京大学科研团队在计算技术领域取得一项重要进展，提出一种全新的计算架构，有望显著提升傅里叶变换等基础运算的执行效率，并为人工智能等前沿方向的硬件演进提供新可能。相关成果已于1月9日发表于国际学术期刊。

傅里叶变换作为一种广泛用于科学与工程领域的数学方法，能够将声音、图像等复杂信号分解为其频率组成成分，是信号处理中的核心技术之一。近年来，随着人工智能、自动驾驶、脑机接口等技术的不断推进，系统对底层硬件在处理此类运算时的速度和能效提出了更高要求。

当前主流硅基芯片历经数十年发展，性能提升已逐步接近物理极限。在此背景下，忆阻器、光电器件等具有独特物理特性的新型器件被视为突破算力瓶颈的重要方向。然而，这些新兴器件普遍面临功能单一的问题，通常仅支持特定类型的计算模式，难以适应实际应用中多样化的任务需求，限制了其性能的有效发挥。

针对这一关键难题，由北京大学人工智能研究院陶耀宇研究员与集成电路学院杨玉超教授领衔的团队提出并实现了一种融合多物理域的计算架构。该方案的核心在于将两种特性互补的新型器件——“易失性氧化铪器件”与“非易失性氧化铪/钯器件”进行系统级集成。前者擅长频率生成与动态调节，后者具备存算一体的能力。通过协同设计，研究团队构建出一套可高效完成傅里叶变换的硬件系统。

该架构允许不同类型的计算任务在最适配的物理域中执行，如电流域、电荷域或光域，从而实现资源的最优利用。实验数据显示，在保持计算精度的同时降低功耗的情况下，新系统将傅里叶变换的处理速度由每秒约1300亿次提升至每秒约5000亿次，整体算力提升接近四倍。这一结果表明，通过多器件协同与多物理域融合的方式，能够有效拓展硬件平台支持的计算类型，为解决新型器件适用范围受限的问题提供了可行路径。