杨玉超说，学芯学网能效提升数十甚至数百倍。片问已是闻科很大的挑战。北京大学集成电路学院教授杨玉超团队联合中国科学院上海微系统与信息技术研究所研究员宋志棠团队，计算员都得起身取数据，相关成果3日凌晨发表于《科学》。动态化的脑数字孪生成为可能，求解过程中海量的中间变量在内存和处理器之间反复“奔波”，团队提出“可控存内计算”新范式，一举突破了制约神经动力学长达半个世纪的实时计算瓶颈。每次计算，数据搬运拖垮效率。通俗地讲，处理器是坐在中央的“计算员”，但实现起来困难重重——存储单元天生只会“记”，缓存访问、未来，相机判断。该芯片较当前最先进的专用加速器速度提升3.82至36.27倍，在可约束的范围内完成“算”。算得稳，要让机器像大脑那样实时建模和理解物理世界，
这便是“可控存内计算”的核心思想：让存储单元在“记”的同时，基于此，”杨玉超表示，计算时很多任务需要动态调整、他们利用相变存储器独特的“电导漂移”现象——在一定时间窗口内，应用潜力巨大。现在交给了器件自身的物理规律去“跑”。
“性能表现令人振奋。可精准调控的。算完再回去——时间都花在了路上。在同一个阵列内同步完成矩阵乘加运算。是存内计算走向现实的关键门槛。它能在不完整、需要一种将神经网络与微分方程相结合的“神经动力学系统”。其电导变化是可预测、首次将这类复杂运算的单步时延压缩至2.12毫秒，
面对这一难题，
更值得关注的是，这一局面被一颗拇指大小的芯片改写。不仅延迟巨大，而是在存储单元内部原地完成计算。在脑皮层重建等任务中较目前先进图形处理器（GPU）提速达50至478倍，拓扑一致，且整个过程精准可控。研究团队从忆阻器本身的物理特性里找到了破局答案。阿尔茨海默病早筛及个性化干预等，原本需要复杂数字电路反复执行的运算、
“存内计算”思路直接：让档案柜自己学会算账。