近日，南方科技大學(xué)深港微電子學(xué)院王中銳博士團(tuán)隊(duì)聯(lián)合中科院微電子所，華中科技大學(xué)和香港大學(xué)提出并實(shí)驗(yàn)驗(yàn)證了一種基于阻變存儲(chǔ)器的儲(chǔ)備池圖神經(jīng)網(wǎng)絡(luò)（RGNN），為高效模擬材料體系中的離子和電子相互作用提供了新方案。相關(guān)成果已在《自然·計(jì)算科學(xué)》（Nature Computational Science，https://doi.org/10.1038/s43588-025-00844-3）雜志發(fā)表。南方科技大學(xué)王中銳博士、香港大學(xué)齊曉娟博士、華中科技大學(xué)徐明教授以及中科院微電子所尚大山研究員為論文的通訊作者。該研究還得到了復(fù)旦大學(xué)和香港理工大學(xué)等單位的參與和支持。

當(dāng)前，量子化學(xué)和材料科學(xué)領(lǐng)域普遍依賴(lài)第一性原理方法（如密度泛函理論，DFT）在數(shù)字硬件上對(duì)原子尺度結(jié)構(gòu)進(jìn)行模擬。隨著模擬體系規(guī)模不斷擴(kuò)大，DFT計(jì)算資源消耗急劇增加；同時(shí)，受限于馮·諾依曼瓶頸和摩爾定律放緩，傳統(tǒng)數(shù)字硬件的能效提升遇到瓶頸，成為制約材料高效研究與設(shè)計(jì)的關(guān)鍵障礙。盡管圖神經(jīng)網(wǎng)絡(luò)（GNN）等機(jī)器學(xué)習(xí)方法在一定程度上降低了計(jì)算成本，但在大規(guī)模體系下，仍面臨模型訓(xùn)練復(fù)雜、硬件適配性不足等挑戰(zhàn)。

針對(duì)這些難題，研究團(tuán)隊(duì)創(chuàng)新性地提出了基于阻變存儲(chǔ)器的儲(chǔ)備池圖神經(jīng)網(wǎng)絡(luò)軟硬件協(xié)同設(shè)計(jì)方案。軟件方面，RGNN采用儲(chǔ)備池計(jì)算范式，利用大量無(wú)需訓(xùn)練的隨機(jī)權(quán)重，大幅簡(jiǎn)化了模型訓(xùn)練過(guò)程，顯著降低了計(jì)算量和能耗。硬件方面，系統(tǒng)以納米級(jí)阻變存儲(chǔ)器為核心，實(shí)現(xiàn)存儲(chǔ)與計(jì)算一體化，突破了傳統(tǒng)的數(shù)據(jù)搬運(yùn)瓶頸，并巧妙利用阻變存儲(chǔ)器固有的編程隨機(jī)性生成網(wǎng)絡(luò)所需的隨機(jī)權(quán)重，將器件物理特性轉(zhuǎn)化為計(jì)算優(yōu)勢(shì)。

在實(shí)驗(yàn)驗(yàn)證中，團(tuán)隊(duì)基于40納米工藝節(jié)點(diǎn)的256 Kb阻變存儲(chǔ)器原型芯片，完成了原子力、哈密頓與基態(tài)多體波函數(shù)計(jì)算等材料設(shè)計(jì)領(lǐng)域具有代表性的任務(wù)。結(jié)果顯示，在保證計(jì)算精度的同時(shí)，RGNN系統(tǒng)的計(jì)算成本相比傳統(tǒng)材料模擬方法最高可降低六個(gè)數(shù)量級(jí)，訓(xùn)練成本較傳統(tǒng)GNN減少90%以上。同時(shí)，與傳統(tǒng)數(shù)字硬件系統(tǒng)相比，該協(xié)同設(shè)計(jì)系統(tǒng)在推理能效和速度上提升了2至4倍?；谧枳兇鎯?chǔ)器的儲(chǔ)備池圖神經(jīng)網(wǎng)絡(luò)為高效、低成本地建模離子和電子相互作用，實(shí)現(xiàn)大規(guī)模材料設(shè)計(jì)與模擬開(kāi)辟了新路徑。

該項(xiàng)目得到了科技部、國(guó)家自然科學(xué)基金委、南方科技大學(xué)、中科院和香港研究資助局的支持。