当代科学计算面临的核心瓶颈正在浮出水面。
随着人工智能、自动驾驶、脑机接口等前沿领域的快速发展，对信号处理的实时性、精度和能效提出了前所未有的挑战。
传统硅基芯片经过数十年演进已接近物理极限，难以满足这些新兴应用的苛刻需求。
在这样的背景下，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的最新突破显得尤为重要。
傅里叶变换作为现代科学工程领域的基础性计算方式，广泛应用于信号处理的各个环节。
这一数学工具能够将声音、图像等复杂时域信号转换为频域表示，使复杂信息得以被有效压缩、分析和处理。
在语音识别中，傅里叶变换将混合的人声频率逐一分离，通过滤波技术消除噪声，实现清晰的语音识别。
在图像处理领域，它同样扮演着特征提取与降噪的关键角色。
然而，当前的芯片架构难以高效支持这一运算，成为制约算力发展的重要因素。
后摩尔时代新器件的出现为问题解决提供了新的可能性。
以忆阻器、光电器件等为代表的新型器件，因其独特的物理特性，在计算速度和能效方面具有传统硅基器件无法比拟的优势。
然而，这些新器件普遍面临着一个严重的适配性问题：支持的计算方式相对单一，难以满足实际应用中多样化的计算需求。
这种"专而不全"的特点，在很大程度上限制了它们的实际应用价值和产业化前景。
北大团队的创新之处在于，他们突破了这一瓶颈。
研究团队系统性地将易失性氧化钒器件与非易失性氧化钽/铪器件这两类新型器件进行异质集成，构建起多物理域融合的计算架构。
这种设计充分利用了两类器件的互补优势：易失性器件在频率生成和调控中表现出色，非易失性器件则擅长存储与计算融合。
通过精心设计的系统集成方案，使得这一硬件架构能够高效支持包括傅里叶变换在内的多种计算方式。
实验结果充分验证了这一创新方案的有效性。
该架构实现了99.2%的傅里叶变换计算精度，吞吐率最高达504.3GS/s，相比当前最快的硅基芯片方案提升近4倍。
更为显著的是，能效提升达到96.98倍，同时大幅降低了存储与互连资源的消耗。
这意味着在相同的功耗约束下，新架构能够执行数倍的计算任务，这对于移动终端、边缘计算等功耗受限的应用场景具有重大意义。
从应用前景看，这一突破的影响范围极为广泛。
在具身智能领域，新架构有望突破端侧设备无法实时处理高并发、多模态信号的长期困局，推动智能机器人、智能家居等产品的功能升级。
在脑机接口等生物信号处理领域，高效的信号处理能力将显著改善患者体验，有望破解患者需要反复进行创伤性手术更换硬件设备的难题。
在自动驾驶领域，更快的信号处理速度意味着更短的决策延迟，这直接关系到行车安全。
在通信系统中，新架构可大幅提升信号处理的实时性和准确性。
这项成果的更深层意义在于，它为后摩尔新器件的大规模应用指明了方向。
长期以来，新型器件的产业化落地面临的最大障碍，正是如何让这些器件适配多样化的实际应用需求。
北大团队通过多物理域融合架构的创新设计，证明了这一障碍是可以克服的。
这为后续研究者提供了重要的参考和借鉴，有望引领后摩尔时代新型计算架构发展的新方向。
算力竞争的本质，是对物理极限与系统工程能力的双重挑战。
以通用算子为抓手，通过多物理域融合与异质集成拓展算子谱系，体现了从“做出器件”迈向“做成系统”的进阶路径。
面向未来，只有把基础研究、工程验证与应用牵引贯通起来，才能让新型器件的潜力转化为可持续的产业能力，在更广阔的场景中释放高效算力的价值。