北京大學團隊登上《Nature Electronics》：用“多物理域”重做傅里葉變換
2026 年 1 月，國際頂級期刊《自然·電子》（Nature Electronics）發(fā)表了一項來自北京大學的最新成果，引發(fā)半導體和算力圈廣泛關注。北京大學人工智能研究院陶耀宇研究員、集成電路學院楊玉超教授團隊，首次在國際上實現(xiàn)了基于后摩爾新器件的“異質集成多物理域傅里葉變換系統(tǒng)”。
簡單來說，他們做出了一套全新的計算架構，讓傅里葉變換——這一在科學與工程領域“無處不在”的基礎運算——在新型器件平臺上真正“跑得起來、跑得又快又省電”。
實驗結果顯示：系統(tǒng)的傅里葉變換運算速度從約每秒
次，算力提升接近 4 倍，同時能效提高近 100 倍量級，為構建新一代計算體系提供了一個全新的樣板。
一、摩爾定律逼近極限，新器件“有潛力但不好用”
過去幾十年，芯片行業(yè)幾乎是沿著摩爾定律一路狂奔：晶體管不斷做小、集成度不斷拉高，算力水漲船高。但進入后摩爾時代后，傳統(tǒng)硅基工藝正面臨三大難題：
繼續(xù)縮小尺寸的難度和成本急劇上升；
功耗和散熱壓力越來越大；
存算分離帶來的數(shù)據(jù)搬運開銷日益突出。
在這樣的背景下，各類“后摩爾新器件”被寄予厚望，比如憶阻器、各種新型光電器件等。它們在物理機制上與傳統(tǒng) CMOS 不同，天然適合做某些特定計算，理論上有機會在能效和密度上實現(xiàn)“跳躍式”提升。
問題在于：
這些新器件往往只擅長少數(shù)幾類線性算子；
支持的運算形式過于單一，很難覆蓋現(xiàn)實場景中復雜多變的算子需求；
結果就是：在實驗室里表現(xiàn)搶眼，要真正走向通用計算和大規(guī)模應用卻始終“卡殼”。
如何讓新器件從“做一兩種算子很厲害”，升級到“能夠支撐通用計算框架”，成為后摩爾時代的一道關鍵難題。
二、北大團隊的思路：異質集成 + 多物理域融合
針對這一瓶頸，北京大學團隊把目光投向了應用極其廣泛的傅里葉變換。無論是信號處理、通信系統(tǒng)、圖像/語音分析，還是諸多 AI 算法的底層，都離不開它。因此，如果能在新器件平臺上高效實現(xiàn)傅里葉變換，就有機會打通一大批實際應用場景。
團隊提出了一種新的計算架構，核心有兩點：
異質集成：
將“易失性氧化釩器件”和“非易失性氧化鉭/鉿器件”組合到同一系統(tǒng)中；
前者在頻率生成與調控方面有天然優(yōu)勢，適合作為“旋轉因子”等頻率相關運算的載體；
后者具備存算一體特性，可以在本地完成存儲與運算，減少數(shù)據(jù)讀寫和搬移。
多物理域融合計算：
讓不同計算步驟在各自最合適的物理域中執(zhí)行，比如電流域、電壓域、頻率域、時間域等；
利用器件的物理屬性做計算，而不是一味依賴傳統(tǒng)“數(shù)字邏輯 + 存儲”的方式。
論文第一作者蔡磊用一個形象的比喻來解釋：
與其在一個大車間里什么都干，不如把任務拆開，分別送到最適合的“專業(yè)車間”去完成——有的車間擅長調節(jié)頻率，有的專門負責存算一體，再由系統(tǒng)把各個“工序”有序銜接起來。
通過這種設計，團隊首次做到了：用一套硬件平臺，同時支持多個物理域協(xié)同工作，完成完整的傅里葉變換流程，并在精度和效率上達到工程可用的水準。
三、性能指標：又快又省，還能“算得準”
從實驗數(shù)據(jù)看，這一架構在性能和能效上都有明顯突破：
計算速度：
傅里葉變換運算速度從每秒約
速度接近提高 4 倍；
計算精度：
在完整系統(tǒng)上實現(xiàn)了約 99.2% 的傅里葉變換精度，滿足聲音、圖像等復雜信號處理對精度的要求；
能效表現(xiàn)：
在典型測試下，能效提升接近 97 倍級別，顯著降低了單位運算所需的功耗；
同時節(jié)省了大量存儲和互連資源，緩解了傳統(tǒng)架構中“數(shù)據(jù)搬運成本高”的頑疾。
用通俗的話講，這套新架構做到了：
運算更快；
用電更少、發(fā)熱更低；
結果仍然保持足夠精確。
四、意義：不給“新器件”只當實驗樣品，真正讓它們跑在應用里
這項工作的價值不僅在于單次測試指標的好看，更重要的是，它為后摩爾新器件提供了一個可擴展的計算框架。
過去，新器件往往只被用于某個“點狀”的功能：
比如在神經(jīng)網(wǎng)絡中做矩陣乘法的加速單元，或者在某個特定濾波器中發(fā)揮作用；
但很難支撐像傅里葉變換這類復雜度較高、結構更通用的運算。
北京大學團隊通過“異質集成 + 多物理域融合”的方式，給出了一條可行路徑：
一方面，解決了新器件“只能做少數(shù)幾種算子”的局限，為其擴展到更廣泛的算子譜系打下基礎；
另一方面，展示了如何在系統(tǒng)層面把不同物理域、不同器件特性融合起來，而不僅僅停留在器件層的小規(guī)模演示。
正因如此，這項成果被認為為新一代計算架構提供了重要參考，也讓“后摩爾新器件如何走向通用算力平臺”這個問題，看到了更具體的答案。
五、潛在應用：從 AI 大模型到自動駕駛，都可能受益
傅里葉變換及其變種在現(xiàn)代信息系統(tǒng)中無處不在，新的高效實現(xiàn)方式，理論上可以滲透到眾多前沿領域。例如：
人工智能基礎模型：
大模型訓練與推理中，頻域分析、快速卷積等都離不開相關變換，更高效的傅里葉運算可以間接提升整體能效和吞吐。
具身智能與機器人：
實時感知、多模態(tài)信號處理（語音、觸覺、視覺）都需要高效頻域運算，新架構有望帶來更低延遲、更低功耗的邊緣計算方案。
自動駕駛與高級輔助駕駛系統(tǒng)：
雷達、激光雷達和多傳感器數(shù)據(jù)融合中大量采用信號處理算法，高效的傅里葉變換能幫助車載計算平臺緩解算力與功耗壓力。
腦機接口與神經(jīng)工程：
處理腦電、神經(jīng)信號時，需要大量頻譜分析和濾波操作，低功耗、高精度的頻域計算尤為關鍵。
通信與雷達系統(tǒng)：
從 5G/6G 到各類雷達體制，頻域處理都是基礎模塊，新架構有望成為新一代專用信號處理芯片的候選方案之一。
從更大的視角看，這項成果表明：
我國在面向后摩爾時代的新型計算架構研究上，已經(jīng)具備從器件、架構到系統(tǒng)整體打通的能力；
為未來在全球算力競爭中構建自主可控、差異化的技術路線，提供了一個具有代表性的實踐樣本。
