把那些用来处理图像、声音这些复杂信号的“翻译器”和“压缩器”，北大的研究团队给搞定了。中新网的记者张素在北京报道了这个消息。 北京大学人工智能研究院的陶耀宇研究员，还有集成电路学院的杨玉超教授，两个人联手搞出来的突破，这次可不得了。他们把那种叫“傅里叶变换”的东西，装进了新的芯片里，运算速度一下子提升了近4倍。论文是刚在国际学术期刊《自然·电子》上发的。 杨玉超说，这研究就是要解决那些新器件能干的事儿太少的问题，以后大家在低延迟、低功耗处理信号的时候就能用上。 现代科学和工程里经常用“傅里叶变换”，这是一种把信号变成频率语言的方法。陶耀宇拿语音举例子，直接处理波形太难了，人声可是几千种频率混合出来的。这就好比把一段音乐拆成一个个音符，再把噪声去掉，让语音更清楚，就能用来认人或者分类乐器了。 现在的新型场景对速度和精度要求太高了，传统硅基芯片早就接近极限了。像忆阻器、光电器件这些后摩尔时代的东西很有潜力，但它们的问题是能支持的计算方式太单一。陶耀宇说这是芯片研发必须啃下的硬骨头。 北大团队之前就在琢磨怎么给新器件多装一些运算方式的活儿干。这次他们盯着“傅里叶变换”这个常用的家伙事，把一种易失性氧化钒器件和一种非易失性氧化钽/铪器件给凑一块儿用了。 北京大学集成电路学院的蔡磊博士是这篇论文的第一作者，他说就是要让计算过程在器件最擅长的物理域里发生。这样做效果特别好，精度高达99.2%，每秒能跑504.3GS的数据量。 陶耀宇算了笔账，实验显示这种架构比现在最快的硅基芯片快了近4倍。 新框架能让新器件同时支持多种计算方式，真正“跑起来”。 两种器件凑一块儿用后充分发挥了各自的长处：一个负责调控频率生成，一个负责存算一体。在保证计算精度和降低功耗的前提下，运算速度从每秒约1300亿次提升到了每秒约5000亿次。 杨玉超展望未来时提到了一些具体的应用场景：像具身智能落地的时候，端侧算力的瓶颈就有可能被打破；在脑机接口里，病人也不用老做手术换设备了。 受访的专家们都表示看好这项技术能加速应用在人工智能、自动驾驶、通信等领域的前沿技术上，为经济高质量发展打好基础。