Trung Đào
Writer
Ngày 13/10/025, kết quả nghiên cứu mới của nhóm nghiên cứu Sun Zhong (Tôn Trung) thuộc Viện AI thuộc Đại học Bắc Kinh và các cộng sự đã được công bố trên tạp chí Nature Electronics, một tạp chí trực thuộc tạp chí học thuật quốc tế hàng đầu Nature.
Nhóm nghiên cứu đã phát triển thành công một chip tính toán ma trận tương tự có độ chính xác cao, có khả năng mở rộng dựa trên bộ nhớ truy cập ngẫu nhiên điện trở, giúp cải thiện độ chính xác của tính toán tương tự truyền thống lên gấp năm lần. Lần đầu tiên, chip này nâng độ chính xác của tính toán tương tự lên độ chính xác điểm cố định 24 bit, tương đương với tính toán số.
Bài báo đề cập rằng các đánh giá hiệu suất có liên quan cho thấy khi giải quyết các vấn đề khoa học quan trọng như phát hiện tín hiệu MIMO (nhiều đầu vào nhiều đầu ra) quy mô lớn, phương pháp tính toán tương tự của chip có thể cung cấp thông lượng cao hơn 1.000 lần và hiệu quả năng lượng cao hơn 100 lần so với GPU tiên tiến nhất ở cùng độ chính xác.
Tôn Trung tin rằng tiến bộ này sẽ cho phép các trạm gốc xử lý tín hiệu ăng-ten lớn theo thời gian thực với mức tiêu thụ năng lượng thấp trong lĩnh vực truyền thông 6G tương lai, từ đó cải thiện dung lượng mạng và hiệu quả năng lượng; trong lĩnh vực AI, dự kiến sẽ tăng tốc thuật toán tối ưu hóa bậc hai chuyên sâu về tính toán trong huấn luyện mô hình lớn, từ đó nâng cao hiệu quả huấn luyện. Ngoài ra, đặc tính tiêu thụ điện năng thấp của nó cũng có thể hỗ trợ vận hành trực tiếp các quá trình xử lý tín hiệu phức tạp, huấn luyện và đẩy AI trên các thiết bị đầu cuối, thúc đẩy sự phát triển của điện toán biên .
Thành tựu này đánh dấu việc Trung Quốc đã vượt qua được vấn đề tồn tại hàng thế kỷ của máy tính tương tự và tạo ra bước đột phá lớn trong quá trình chuyển đổi mô hình máy tính trong kỷ nguyên hậu Moore, có lợi cho việc ứng phó với AI và 6G.Những thách thức về sức mạnh tính toán trong các lĩnh vực như truyền thông đã mở ra những hướng đi mới.
Bài báo có tựa đề "Giải phương trình ma trận tương tự chính xác và có thể mở rộng bằng chip nhớ truy cập ngẫu nhiên điện trở ". Nghiên cứu được dẫn dắt bởi Trung tâm Nghiên cứu Chip AI Tổng hợp thuộc Viện Nghiên cứu AI tại Đại học Bắc Kinh , phối hợp với nhóm nghiên cứu từ Khoa Mạch Tích hợp. Nhóm của Tôn Trung đóng vai trò chủ chốt trong dự án và là những người đóng góp chính cho thành tựu này.
Địa chỉ bài báo: https://www.nature.com/articles/s41928-025-01477-0
Điện toán tương tự có những ưu điểm vốn có là đạt được tính song song cao, độ trễ thấp và mức tiêu thụ điện năng thấp thông qua các định luật vật lý. Tuy nhiên, điện toán tương tự truyền thống đã dần bị thay thế bởi điện toán số do những hạn chế như độ chính xác thấp và khó mở rộng quy mô.
Hiện nay, Sun Zhong tin rằng, " Làm thế nào để tạo ra máy tính tương tự vừa có độ chính xác cao vừa có khả năng mở rộng, qua đó tận dụng được những lợi thế vốn có của nó trong các tác vụ máy tính hiện đại, vẫn là một 'vấn đề tồn tại hàng thế kỷ' đang gây khó khăn cho cộng đồng khoa học toàn cầu. "
Một hướng đi khả thi để giải quyết vấn đề này nằm ở công nghệ điện toán ma trận tương tự (AMC) dựa trên mảng bộ nhớ điện trở . Một mạch đảo ngược ma trận, được thiết kế dựa trên nguyên lý phản hồi vòng kín của "bộ khuếch đại thuật toán mảng", có thể đạt được giải pháp đảo ngược ma trận một bước. Bằng cách thiết lập một vòng phản hồi vòng kín giữa mảng bộ nhớ điện trở và các linh kiện tương tự truyền thống, chẳng hạn như bộ khuếch đại thuật toán (OPA), mạch kết quả có thể giải quyết vấn đề đảo ngược ma trận (INV) chỉ trong một bước.
Mô phỏng mạch tính toán ma trận để giải phương trình ma trận.
Tuy nhiên, đặc tính có độ chính xác thấp và cấu trúc cố định của các mạch như vậy vẫn còn là thách thức.
Ngoài ra, trong các phép tính nhân ma trận tương tự, cắt bit và bù tương tự có thể được sử dụng để thực hiện chính xác phép nhân ma trận-vectơ, nhưng việc sử dụng các kỹ thuật này để giải phương trình ma trận là một thách thức. Quá trình giải phương trình ma trận thiếu các quy luật phân phối hiệu quả và hỗ trợ phương pháp ma trận khối, khiến việc giải quyết các vấn đề về độ chính xác và khả năng mở rộng của INV tương tự trở nên khó khăn.
Bài báo đề cập rằng một giải pháp là áp dụng thiết kế lai tương tự-kỹ thuật số. Các phương pháp trước đây đã kết hợp bộ giải tương tự lặp có độ chính xác thấp dựa trên MVM với thuật toán tinh chỉnh lặp, và một máy tính số dấu phẩy động đã được sử dụng để thực hiện các phép toán MVM có độ chính xác cao (HP-MVM) nhằm hội tụ đến kết quả chính xác.
Tuy nhiên, cách tiếp cận này làm giảm lợi thế về độ phức tạp của điện toán tương tự và đòi hỏi phải chuyển đổi tương tự sang số, dẫn đến hiệu suất giải phương trình ma trận chỉ được cải thiện một phần. Analog INV chỉ giới hạn ở các mạch quy mô nhỏ với mảng bộ nhớ truy cập ngẫu nhiên điện trở thụ động (RRAM), không phù hợp với sản xuất đúc và thiếu các thuộc tính bộ nhớ đa cấp đáng tin cậy.
Giải pháp này sử dụng thuật toán lặp kết hợp các phép toán đảo ngược ma trận độ chính xác thấp (LP-INV) tương tự và phép nhân vectơ ma trận độ chính xác cao (HP-MVM) tương tự. Bằng cách kết hợp các chip này với phép tính số học ma trận khối, độ chính xác của các phép tính tương tự được cải thiện lên độ chính xác dấu chấm cố định 24 bit lần đầu tiên . Analog INV giảm số lần lặp bằng cách cung cấp kết quả gần đúng trong mỗi lần lặp, trong khi MVM tương tự độ chính xác cao đạt được thông qua việc cắt bit.
Ngoài ra, mảng bộ nhớ điện trở mô phỏng phép đảo ngược ma trận độ chính xác thấp và phép nhân vectơ ma trận độ chính xác cao được sản xuất trên nền tảng quy trình CMOS 40nm và có thể đạt được lập trình trạng thái dẫn điện 3 bit.
Tính toán ma trận hoàn toàn tương tự có độ chính xác cao để giải các phương trình ma trận.
Nhóm nghiên cứu cũng đã xác minh phương pháp BlockAMC trong phần cứng , sử dụng ma trận khối để giải các phương trình ma trận quy mô lớn và sử dụng phương pháp này để giải các phương trình ma trận 16×16 quy mô trung bình.
Sơ đồ HP-INV, mô phỏng các phép toán ma trận, bao gồm sự kết hợp lặp lại giữa LP-INV và HP-MVM, cả hai đều được triển khai bằng mạch AMC. Phương pháp HP-INV có thể được mở rộng để giải các phương trình ma trận giá trị thực và giá trị phức, thường xuất hiện trong các ứng dụng như phương trình vi phân trong tính toán khoa học và xử lý tín hiệu trong truyền thông không dây.
Các nhà nghiên cứu đã đánh giá tác động tiềm tàng của điện trở dây dẫn lên tốc độ hội tụ của HP-INV. So với các ứng dụng MVM dựa trên RRAM, việc xây dựng các mạch INV quy mô lớn trên chip khó khăn hơn. Tuy nhiên, các mảng từ 32x32 đến 64x64 đã có thể mang lại lợi ích đáng kể về thông lượng và hiệu quả năng lượng, mặc dù nhỏ hơn nhiều so với các mạch MVM dựa trên RRAM thông thường.
Hiện tại, bản trình diễn LP-INV vẫn chỉ giới hạn ở mảng 8×8 và việc mở rộng sang mảng 32×32 lớn hơn sẽ yêu cầu thiết kế chip chuyên dụng và xác minh băng đầu ra.
Nhóm nghiên cứu tin rằng đối với những thiết kế như vậy, việc tích hợp LP-INV quy mô trung bình với HP-MVM trên một con chip sẽ đặc biệt có giá trị và nên là trọng tâm chính của nghiên cứu trong tương lai.
Kết quả thực nghiệm giải phương trình ma trận có độ chính xác cao và khả năng mở rộng dựa trên phương pháp ma trận khối.
Về hiệu suất tính toán, tài khoản chính thức của Viện nghiên cứu AI thuộc Đại học Bắc Kinh cho biết kết quả thử nghiệm cho thấy khi giải bài toán đảo ngược ma trận 32×32, sức mạnh tính toán của nó đã vượt qua hiệu suất lõi đơn của GPU cao cấp; khi mở rộng quy mô bài toán lên 128×128, thông lượng tính toán cao hơn 1.000 lần so với các bộ xử lý kỹ thuật số hàng đầu .
Về hiệu suất năng lượng, hiệu suất năng lượng của nó cao hơn 100 lần so với bộ xử lý kỹ thuật số truyền thống ở cùng độ chính xác.
Ở cấp độ kiểm chứng ứng dụng, công nghệ MIMO (Multiple-Input-Multiple-Output) được kỳ vọng sẽ cải thiện đáng kể chất lượng dịch vụ của hệ thống truyền thông không dây trong kỷ nguyên 5G-A và 6G. Tuy nhiên, trong MIMO, số lượng ăng-ten trong trạm gốc (BS) lớn hơn nhiều so với số lượng ăng-ten trong thiết bị người dùng.
Bộ giải tương tự có thể được áp dụng cho quá trình phát hiện các hệ thống MIMO lớn và cho thấy hiệu suất tỷ lệ lỗi bit tương tự chỉ sau ba lần lặp so với bộ giải kỹ thuật số cho hệ thống 128×8 sử dụng điều chế 256-QAM.
Ứng dụng giải phương trình ma trận có độ chính xác cao trong xử lý tín hiệu phát hiện cưỡng bức bằng không (MIMO) đa đầu vào đa đầu ra quy mô lớn.
Kết quả kiểm tra chuẩn toàn diện xác nhận rằng phương pháp tính toán mô phỏng này có thể đạt được tốc độ xử lý và hiệu quả năng lượng hàng đầu
trong khi vẫn duy trì độ chính xác tính toán tương đương.
Bộ giải phương trình ma trận hoàn toàn tương tự, có khả năng mở rộng và độ chính xác cao dựa trên mảng bộ nhớ điện trở được đề xuất trong bài báo này đã mở ra một hướng đi mới để giải quyết các thách thức về sức mạnh tính toán trong các lĩnh vực như AI và truyền thông 6G.
Tôn Trung tin rằng tầm quan trọng của bước đột phá này vượt xa việc công bố một bài báo khoa học hàng đầu. Nó có triển vọng ứng dụng rộng rãi, có thể hỗ trợ nhiều kịch bản tính toán đa dạng và được kỳ vọng sẽ định hình lại bức tranh năng lực tính toán. "Giá trị lớn nhất của công trình này là nó chứng minh rằng điện toán tương tự có thể giải quyết các vấn đề tính toán cốt lõi trong khoa học và kỹ thuật hiện đại với hiệu suất và độ chính xác cực cao. Có thể nói rằng chúng tôi đã khám phá ra một con đường đầy hứa hẹn để nâng cao năng lực tính toán, dự kiến sẽ phá vỡ sự độc quyền lâu đời của điện toán số và mở ra một kỷ nguyên mới của năng lực tính toán phổ biến, xanh và hiệu quả."
Nhóm nghiên cứu đã phát triển thành công một chip tính toán ma trận tương tự có độ chính xác cao, có khả năng mở rộng dựa trên bộ nhớ truy cập ngẫu nhiên điện trở, giúp cải thiện độ chính xác của tính toán tương tự truyền thống lên gấp năm lần. Lần đầu tiên, chip này nâng độ chính xác của tính toán tương tự lên độ chính xác điểm cố định 24 bit, tương đương với tính toán số.
Bài báo đề cập rằng các đánh giá hiệu suất có liên quan cho thấy khi giải quyết các vấn đề khoa học quan trọng như phát hiện tín hiệu MIMO (nhiều đầu vào nhiều đầu ra) quy mô lớn, phương pháp tính toán tương tự của chip có thể cung cấp thông lượng cao hơn 1.000 lần và hiệu quả năng lượng cao hơn 100 lần so với GPU tiên tiến nhất ở cùng độ chính xác.
Tôn Trung tin rằng tiến bộ này sẽ cho phép các trạm gốc xử lý tín hiệu ăng-ten lớn theo thời gian thực với mức tiêu thụ năng lượng thấp trong lĩnh vực truyền thông 6G tương lai, từ đó cải thiện dung lượng mạng và hiệu quả năng lượng; trong lĩnh vực AI, dự kiến sẽ tăng tốc thuật toán tối ưu hóa bậc hai chuyên sâu về tính toán trong huấn luyện mô hình lớn, từ đó nâng cao hiệu quả huấn luyện. Ngoài ra, đặc tính tiêu thụ điện năng thấp của nó cũng có thể hỗ trợ vận hành trực tiếp các quá trình xử lý tín hiệu phức tạp, huấn luyện và đẩy AI trên các thiết bị đầu cuối, thúc đẩy sự phát triển của điện toán biên .
Thành tựu này đánh dấu việc Trung Quốc đã vượt qua được vấn đề tồn tại hàng thế kỷ của máy tính tương tự và tạo ra bước đột phá lớn trong quá trình chuyển đổi mô hình máy tính trong kỷ nguyên hậu Moore, có lợi cho việc ứng phó với AI và 6G.Những thách thức về sức mạnh tính toán trong các lĩnh vực như truyền thông đã mở ra những hướng đi mới.
Bài báo có tựa đề "Giải phương trình ma trận tương tự chính xác và có thể mở rộng bằng chip nhớ truy cập ngẫu nhiên điện trở ". Nghiên cứu được dẫn dắt bởi Trung tâm Nghiên cứu Chip AI Tổng hợp thuộc Viện Nghiên cứu AI tại Đại học Bắc Kinh , phối hợp với nhóm nghiên cứu từ Khoa Mạch Tích hợp. Nhóm của Tôn Trung đóng vai trò chủ chốt trong dự án và là những người đóng góp chính cho thành tựu này.
Địa chỉ bài báo: https://www.nature.com/articles/s41928-025-01477-0
Đảm bảo cả độ chính xác cao và khả năng mở rộng trong tính toán mô phỏng là một thách thức đã tồn tại hàng thế kỷ
Trong bối cảnh kích thước thiết bị truyền thống đang tiến gần đến giới hạn vật lý và kiến trúc von Neumann truyền thống đang phải đối mặt với nút thắt "bức tường bộ nhớ", điện toán phức tạp đã mang đến những thách thức nghiêm trọng cho máy tính kỹ thuật số truyền thống.Điện toán tương tự có những ưu điểm vốn có là đạt được tính song song cao, độ trễ thấp và mức tiêu thụ điện năng thấp thông qua các định luật vật lý. Tuy nhiên, điện toán tương tự truyền thống đã dần bị thay thế bởi điện toán số do những hạn chế như độ chính xác thấp và khó mở rộng quy mô.
Hiện nay, Sun Zhong tin rằng, " Làm thế nào để tạo ra máy tính tương tự vừa có độ chính xác cao vừa có khả năng mở rộng, qua đó tận dụng được những lợi thế vốn có của nó trong các tác vụ máy tính hiện đại, vẫn là một 'vấn đề tồn tại hàng thế kỷ' đang gây khó khăn cho cộng đồng khoa học toàn cầu. "
Một hướng đi khả thi để giải quyết vấn đề này nằm ở công nghệ điện toán ma trận tương tự (AMC) dựa trên mảng bộ nhớ điện trở . Một mạch đảo ngược ma trận, được thiết kế dựa trên nguyên lý phản hồi vòng kín của "bộ khuếch đại thuật toán mảng", có thể đạt được giải pháp đảo ngược ma trận một bước. Bằng cách thiết lập một vòng phản hồi vòng kín giữa mảng bộ nhớ điện trở và các linh kiện tương tự truyền thống, chẳng hạn như bộ khuếch đại thuật toán (OPA), mạch kết quả có thể giải quyết vấn đề đảo ngược ma trận (INV) chỉ trong một bước.
Mô phỏng mạch tính toán ma trận để giải phương trình ma trận.
Tuy nhiên, đặc tính có độ chính xác thấp và cấu trúc cố định của các mạch như vậy vẫn còn là thách thức.
Ngoài ra, trong các phép tính nhân ma trận tương tự, cắt bit và bù tương tự có thể được sử dụng để thực hiện chính xác phép nhân ma trận-vectơ, nhưng việc sử dụng các kỹ thuật này để giải phương trình ma trận là một thách thức. Quá trình giải phương trình ma trận thiếu các quy luật phân phối hiệu quả và hỗ trợ phương pháp ma trận khối, khiến việc giải quyết các vấn đề về độ chính xác và khả năng mở rộng của INV tương tự trở nên khó khăn.
Bài báo đề cập rằng một giải pháp là áp dụng thiết kế lai tương tự-kỹ thuật số. Các phương pháp trước đây đã kết hợp bộ giải tương tự lặp có độ chính xác thấp dựa trên MVM với thuật toán tinh chỉnh lặp, và một máy tính số dấu phẩy động đã được sử dụng để thực hiện các phép toán MVM có độ chính xác cao (HP-MVM) nhằm hội tụ đến kết quả chính xác.
Tuy nhiên, cách tiếp cận này làm giảm lợi thế về độ phức tạp của điện toán tương tự và đòi hỏi phải chuyển đổi tương tự sang số, dẫn đến hiệu suất giải phương trình ma trận chỉ được cải thiện một phần. Analog INV chỉ giới hạn ở các mạch quy mô nhỏ với mảng bộ nhớ truy cập ngẫu nhiên điện trở thụ động (RRAM), không phù hợp với sản xuất đúc và thiếu các thuộc tính bộ nhớ đa cấp đáng tin cậy.
Đề xuất một trình giải phương trình ma trận hoàn toàn tương tự, có khả năng mở rộng và độ chính xác cao, lần đầu tiên tăng độ chính xác của các phép tính tương tự lên độ chính xác điểm cố định 24 bit.
Trên cơ sở này, nhóm nghiên cứu do nhà nghiên cứu Sun Zhong thuộc Viện nghiên cứu AI của Đại học Bắc Kinh đứng đầu đã đề xuất một bộ giải phương trình ma trận hoàn toàn tương tự, có khả năng mở rộng và độ chính xác cao dựa trên mảng bộ nhớ điện trở .Giải pháp này sử dụng thuật toán lặp kết hợp các phép toán đảo ngược ma trận độ chính xác thấp (LP-INV) tương tự và phép nhân vectơ ma trận độ chính xác cao (HP-MVM) tương tự. Bằng cách kết hợp các chip này với phép tính số học ma trận khối, độ chính xác của các phép tính tương tự được cải thiện lên độ chính xác dấu chấm cố định 24 bit lần đầu tiên . Analog INV giảm số lần lặp bằng cách cung cấp kết quả gần đúng trong mỗi lần lặp, trong khi MVM tương tự độ chính xác cao đạt được thông qua việc cắt bit.
Ngoài ra, mảng bộ nhớ điện trở mô phỏng phép đảo ngược ma trận độ chính xác thấp và phép nhân vectơ ma trận độ chính xác cao được sản xuất trên nền tảng quy trình CMOS 40nm và có thể đạt được lập trình trạng thái dẫn điện 3 bit.
Tính toán ma trận hoàn toàn tương tự có độ chính xác cao để giải các phương trình ma trận.
Nhóm nghiên cứu cũng đã xác minh phương pháp BlockAMC trong phần cứng , sử dụng ma trận khối để giải các phương trình ma trận quy mô lớn và sử dụng phương pháp này để giải các phương trình ma trận 16×16 quy mô trung bình.
Sơ đồ HP-INV, mô phỏng các phép toán ma trận, bao gồm sự kết hợp lặp lại giữa LP-INV và HP-MVM, cả hai đều được triển khai bằng mạch AMC. Phương pháp HP-INV có thể được mở rộng để giải các phương trình ma trận giá trị thực và giá trị phức, thường xuất hiện trong các ứng dụng như phương trình vi phân trong tính toán khoa học và xử lý tín hiệu trong truyền thông không dây.
Các nhà nghiên cứu đã đánh giá tác động tiềm tàng của điện trở dây dẫn lên tốc độ hội tụ của HP-INV. So với các ứng dụng MVM dựa trên RRAM, việc xây dựng các mạch INV quy mô lớn trên chip khó khăn hơn. Tuy nhiên, các mảng từ 32x32 đến 64x64 đã có thể mang lại lợi ích đáng kể về thông lượng và hiệu quả năng lượng, mặc dù nhỏ hơn nhiều so với các mạch MVM dựa trên RRAM thông thường.
Hiện tại, bản trình diễn LP-INV vẫn chỉ giới hạn ở mảng 8×8 và việc mở rộng sang mảng 32×32 lớn hơn sẽ yêu cầu thiết kế chip chuyên dụng và xác minh băng đầu ra.
Nhóm nghiên cứu tin rằng đối với những thiết kế như vậy, việc tích hợp LP-INV quy mô trung bình với HP-MVM trên một con chip sẽ đặc biệt có giá trị và nên là trọng tâm chính của nghiên cứu trong tương lai.
Hiệu suất tính toán và hiệu quả năng lượng của nó cao hơn hàng nghìn, thậm chí hàng trăm lần so với GPU và có thể áp dụng cho đầu vào và đầu ra quy mô lớn.
Giải pháp này cải thiện độ chính xác tính toán. Bằng cách kết hợp nó với thuật toán ma trận khối, nhóm nghiên cứu đã thành công trong việc đảo ngược độ chính xác điểm cố định 24 bit của ma trận 16×16 trong một thí nghiệm. Nghĩa là, sau 10 lần lặp giải phương trình ma trận, sai số tương đối có thể giảm xuống còn khoảng 10⁻⁷.
Kết quả thực nghiệm giải phương trình ma trận có độ chính xác cao và khả năng mở rộng dựa trên phương pháp ma trận khối.
Về hiệu suất tính toán, tài khoản chính thức của Viện nghiên cứu AI thuộc Đại học Bắc Kinh cho biết kết quả thử nghiệm cho thấy khi giải bài toán đảo ngược ma trận 32×32, sức mạnh tính toán của nó đã vượt qua hiệu suất lõi đơn của GPU cao cấp; khi mở rộng quy mô bài toán lên 128×128, thông lượng tính toán cao hơn 1.000 lần so với các bộ xử lý kỹ thuật số hàng đầu .
Về hiệu suất năng lượng, hiệu suất năng lượng của nó cao hơn 100 lần so với bộ xử lý kỹ thuật số truyền thống ở cùng độ chính xác.
Ở cấp độ kiểm chứng ứng dụng, công nghệ MIMO (Multiple-Input-Multiple-Output) được kỳ vọng sẽ cải thiện đáng kể chất lượng dịch vụ của hệ thống truyền thông không dây trong kỷ nguyên 5G-A và 6G. Tuy nhiên, trong MIMO, số lượng ăng-ten trong trạm gốc (BS) lớn hơn nhiều so với số lượng ăng-ten trong thiết bị người dùng.
Bộ giải tương tự có thể được áp dụng cho quá trình phát hiện các hệ thống MIMO lớn và cho thấy hiệu suất tỷ lệ lỗi bit tương tự chỉ sau ba lần lặp so với bộ giải kỹ thuật số cho hệ thống 128×8 sử dụng điều chế 256-QAM.
Ứng dụng giải phương trình ma trận có độ chính xác cao trong xử lý tín hiệu phát hiện cưỡng bức bằng không (MIMO) đa đầu vào đa đầu ra quy mô lớn.
Kết quả kiểm tra chuẩn toàn diện xác nhận rằng phương pháp tính toán mô phỏng này có thể đạt được tốc độ xử lý và hiệu quả năng lượng hàng đầu
trong khi vẫn duy trì độ chính xác tính toán tương đương.
Bộ giải phương trình ma trận hoàn toàn tương tự, có khả năng mở rộng và độ chính xác cao dựa trên mảng bộ nhớ điện trở được đề xuất trong bài báo này đã mở ra một hướng đi mới để giải quyết các thách thức về sức mạnh tính toán trong các lĩnh vực như AI và truyền thông 6G.
Tôn Trung tin rằng tầm quan trọng của bước đột phá này vượt xa việc công bố một bài báo khoa học hàng đầu. Nó có triển vọng ứng dụng rộng rãi, có thể hỗ trợ nhiều kịch bản tính toán đa dạng và được kỳ vọng sẽ định hình lại bức tranh năng lực tính toán. "Giá trị lớn nhất của công trình này là nó chứng minh rằng điện toán tương tự có thể giải quyết các vấn đề tính toán cốt lõi trong khoa học và kỹ thuật hiện đại với hiệu suất và độ chính xác cực cao. Có thể nói rằng chúng tôi đã khám phá ra một con đường đầy hứa hẹn để nâng cao năng lực tính toán, dự kiến sẽ phá vỡ sự độc quyền lâu đời của điện toán số và mở ra một kỷ nguyên mới của năng lực tính toán phổ biến, xanh và hiệu quả."
