在类脑计算领域，传统冯·诺依曼架构的瓶颈长期制约着发展——"存储"与"计算"物理分离，每次执行神经动力学仿真等复杂任务时，数据不得不在内存与处理器之间频繁搬运，导致高延迟、高能耗，这一难题已延续半个多世纪。若要提升脑科学建模的精度与实时性，传统架构的固有缺陷便会成为关键阻碍。

北京大学杨玉超教授团队携手中国科学院科研力量，另辟蹊径，不再局限于传统架构的优化改良，而是以相变忆阻器作为核心技术突破口——该器件具备电导可调、非易失性、模拟域响应快速等特性，天然适配于硬件层面实现"存算一体"的深度融合。通过消除数据搬运环节，能效与速度兼得的难题得以根本性破解。

该芯片采用40纳米制程工艺，核心神经动力学计算阵列面积仅0.28平方毫米，单次完整动力学迭代耗时低至2.12毫秒——达到毫秒级水平。这意味着大规模生物神经网络仿真已迈入在线实时处理的新阶段。相关研究成果已发表于《Science》期刊，系全球首款基于忆阻器的神经动力学专用芯片。

实测数据表现优异：相比当前主流神经形态加速芯片，峰值运算效率最高提升36倍，功耗降至原来的1/24。以英伟达A100 GPU为参照，在人脑皮层三维重建典型任务中，加速比达50至478倍。生成的脑组织三维结构模型呈现表面连续、纹理清晰、几何保真度高的特点，无伪影或畸变，直接满足临床级神经影像建模的质量标准。

该芯片的场景适配能力强，可覆盖高通量脑机接口信号解码、术中动态神经导航、癫痫灶精准定位等前沿医疗应用。为阿尔茨海默病、帕金森病等神经退行性疾病的早期生物标志物挖掘与机制建模，提供坚实的硬件"底座"支撑。

作为国家重点研发计划支持项目，该成果的意义远不止于一颗芯片本身。它为后摩尔时代的绿色智能芯片开辟了全新发展路径，切实增强了我国在脑科学与类脑智能硬件领域的自主创新能力。从架构创新到实测验证，再到场景落地，各关键环节均精准到位。