摩尔定律逐渐失效的时代背景下，如何突破传统芯片架构的限制，挖掘新型器件的潜能，成为学术界和产业界共同关注的核心课题。
北京大学人工智能研究院研究员陶耀宇、集成电路学院教授杨玉超团队针对这一问题，提出了创新性解决方案。
傅里叶变换作为现代科学工程领域的基础计算方式，广泛应用于声音处理、图像识别等复杂信号转换。
该数学工具可将时域信号转换为频域信息，是信号处理、通信系统、医学影像等众多领域的核心技术支撑。
然而，在传统计算架构下，傅里叶变换的计算效率受到硅基工艺发展瓶颈的制约，难以满足日益增长的实时处理需求。
针对这一瓶颈，研究团队采取了融合创新的思路。
他们将两类具有互补优势的新型器件进行创意组合：易失性氧化钒器件具有优异的频率生成调控能力，可快速响应信号变化；非易失性氧化钽/铪器件则具有强大的存储计算一体化特性，能够长期保存关键数据。
通过在多物理域融合架构下的系统集成，两种器件充分发挥各自优势，实现了性能的叠加效应。
这一架构的核心创新在于突破了传统单一物理域计算的束缚。
研究团队让不同的计算任务在最适合的物理域内进行处理，包括电流、电荷、光等多种形式，使每个计算环节都能在最优条件下运行，大幅提升整体计算效率。
陶耀宇表示，这种设计理念充分借鉴了生物神经系统中多通路并行处理的机制，具有重要的科学意义。
从性能指标看，这项成果实现了显著提升。
傅里叶变换的计算速度从每秒约1300亿次提升至每秒约5000亿次，运算速度提升近4倍，同时在保证计算精度的前提下，显著降低了能源消耗。
这一突破对于提升芯片性能、降低能耗具有重要意义，特别是在对实时性和功耗敏感的应用场景中优势明显。
该研究成果的应用前景十分广阔。
在具身智能领域，更快的傅里叶变换可支持机器人实时感知和决策；在边缘感知应用中，低功耗的计算架构使得在资源受限的终端设备上部署复杂算法成为可能；在类脑计算方向，多物理域融合的思路为模拟生物神经系统提供了新的硬件基础；在通信系统中，高效的频域处理能力有助于提升信号传输质量。
这项研究也为后摩尔时代的芯片设计指明了方向。
当传统工艺缩放遇到物理极限时，通过创新器件组合、架构优化和多域融合等手段，仍可实现性能的重大突破。
这启示产业界应当加强对新型材料和新型器件的研发投入，积极探索超越传统硅基工艺的新路径。
当算力需求不断向实时化、端侧化、低功耗方向演进，单靠传统路线难以满足新应用的全面要求。
此次多物理域融合计算架构的探索提示我们：面向关键算子和典型场景，以系统观念推动器件与架构协同创新，或将成为突破后摩尔瓶颈的重要方向。
把“新器件”真正转化为“新能力”，将决定下一阶段智能技术落地的速度与质量。