我国研究人员提出了一种新的计算架构，可将运算性能提升近四倍，为人形机器人、边缘感知、类脑计算和通信系统等领域开辟了新前景。

该架构由北京大学团队研发，通过将两种新型器件与多物理域架构中的频率转换机制结合，构建出能执行傅里叶变换等复杂运算的通用系统。

傅里叶变换的关键突破
这一突破的核心在于傅里叶变换——这种将声音、图像等复杂信号转换为频域表示的基础技术，被广泛应用于科学与工程领域。

该大学人工智能研究院研究员陶耀宇表示："新架构使不同计算范式能在电流、电荷或光等最优物理域中运行，从而提升计算效率。"

陶耀宇指出，该集成系统在频率生成、调制和存内计算三方面融合了两种器件的优势，在保持精度的同时降低功耗，并将傅里叶变换处理速度从每秒约1300亿次运算提升至约5000亿次，实现数倍增长。

推动未来硬件革新
新架构有望提高未来硬件效率，加速在基础AI模型、具身智能、自动驾驶、脑机接口及通信系统等领域的应用。该研究基于旨在突破传统数字计算局限的系列前沿探索。近年来，科学家们已尝试通过神经形态、光子和模拟计算等架构，在降低能耗的同时加速傅里叶变换与卷积变换等核心运算。

同类实验表明，针对特定数学函数优化的硬件较传统处理器能实现显著提速。北大团队通过整合多物理域计算，反映出面向新一代AI与机器人高效支持架构的广泛趋势。这一进展恰逢传统计算架构日益难以满足AI工作负载增长需求的关键时期。

突破传统设计范式
新架构通过在不同物理域中运行最优计算，为超越传统芯片设计指明方向，有望在提升AI系统性能的同时缓解能耗瓶颈。该研究与全球神经形态计算、光子计算、存内计算等替代性计算方案的探索浪潮同步。先前研究已证实，针对傅里叶变换等特定数学运算定制的硬件可显著超越通用处理器性能。

北京大学团队展示的多物理域计算方法进一步推动了该领域发展，突显了专用架构在未来AI硬件中的关键作用。