南京大学教授

报告摘要：

人工智能的迅猛发展正将传统数字计算推向其理论与工程的极限，算力与能效的双重危机日益凸显。为超越冯·诺依曼架构与CMOS工艺缩放瓶颈，计算范式亟需根本性变革。基于物理计算的ASIC正是应对这一挑战的关键路径。其核心在于将计算任务直接映射至物理硬件的固有动力学过程，通过利用器件层面的物理效应来原生地执行矩阵运算、非线性动力学模拟等操作，从而在原理层面规避数字抽象带来的巨大开销，为突破传统架构的能效与算力瓶颈提供了全新的解决思路。此类芯片在下一代人工智能，特别是在生成式模型、高维优化与科学计算等关键任务中展现出巨大潜力。本报告将系统介绍我们课题组在物理计算ASIC这一新兴领域的近期研究进展，内容涵盖从新原理计算器件、专用芯片设计到系统架构创新等多个层次【1-3】。最后，报告将剖析该技术走向应用所面临的核心挑战，并对其未来发展作出展望。

参考文献：

[1] Science Advances 6, eaba6173 (2020)、Science Advances 9, eadi4083 (2023)、Nature Electronics 5, 248 (2022)、Nature Electronics 7, 225 (2024)

[2] Nature Electronics 3, 383 (2020)、Chinese Physics Letters 40, 117201 (2023) (Express Letter)、Nature Nanotechnology 19, 962-969 (2024)、Science Advances 11,eadu3309 (2025)、Nature Electronics in revision (2025)

[3] National Science Review 8, nwaa172 (2021)、Nature Nanotechnology 16, 1079 (2021)、Nature Electronics 6, 381(2023)

报告人简介

梁世军，南京大学教授、博士生导师，国家优秀青年科学基金获得者，现任南京大学类脑智能科技研究中心副主任。他于2017年博士毕业于新加坡科技设计大学，获“全校最佳博士论文奖”；同年入职南京大学物理学院，历任副研究员、副教授，教授至今。主要研究方向包括智能半导体、半导体智能计算器件与芯片以及AI4S（科学智能）等。以第一/通讯作者在 Nature Materials、Nature Nanotechnology （2篇）、Nature Electronics（5篇）、Physical Review Letters、Science Advances（5篇）、Nature Communications（2篇）及IEDM（2篇）等顶级期刊与会议上发表论文80余篇。研究成果入选“2022年度中国半导体十大研究进展”，获 Nature Electronics/Materials 等“News & Views”专题报道，入选 Nature Materials、Nature Nanotechnology 等期刊封面文章、《国家科学评论》期刊2021-2022年度信息科学领域“最佳论文奖”，并受邀参与撰写国际首个《类脑计算与工程》路线图。他荣获多项荣誉，包括2DM青年科学家奖、国际真空纳米电子学“青年科学家奖”、2020年度“中国新锐科技人物卓越影响奖”等。目前，他担任 Chinese Physics Letters、《半导体学报》、APL Electronics Devices等国内外期刊青年编委，Neuromorphic Computing & Engineering 期刊客座编辑，同时担任中国机械工程学会极端制造分会委员、中国神经科学学会类脑智能分会会员及IEEE会员。

邀请人：吴泉生    特聘研究员

联系人：于乐乐   yulele@iphy.ac.cn

报告地点：物理所怀柔园区MA楼428会议室

腾讯会议号：809-190-332   会议密码：1026