近日，南边科技年夜学深港微电子学院王中锐博士团队结合中科院微电子所，华中科技年夜学及中国香港年夜学提出并试验验证了一种基在阻变存储器的贮备池图神经收集（RGNN），为高效模仿质料系统中的离子及电子彼此作用提供了新方案。相干结果已经于《天然·计较科学》（Nature Computational Science，https://doi.org/10.1038/s43588-025-00844-3）杂志发表。南边科技年夜学王中锐博士、中国香港年夜学齐晓娟博士、华中科技年夜学徐明传授以和中科院微电子所尚年夜山研究员为论文的通信作者。该研究还有获得了复旦年夜学及中国香港理工年夜学等单元的介入及撑持。

当前，量子化学及质料科学范畴遍及依靠第一性道理要领（如密度泛函理论，DFT）于数字硬件上对于原子标准布局举行模仿。跟着模仿系统范围不停扩展，DFT计较资源耗损急剧增长；同时，受限在冯·诺依曼瓶颈及摩尔定律放缓，传统数字硬件的能效晋升碰到瓶颈，成为制约质料高效研究与设计的要害障碍。只管图神经收集（GNN）等呆板进修要领于必然水平上降低了计较成本，但于年夜范围系统下，仍面对模子练习繁杂、硬件适配性不足等挑战。

针对于这些难题，研究团队立异性地提出了基在阻变存储器的贮备池图神经收集软硬件协同设计方案。软件方面，RGNN采用贮备池计较范式，使用年夜量无需练习的随机权重，年夜幅简化了模子练习历程，显著降低了计较量及能耗。硬件方面，体系以纳米级阻变存储器为焦点，实现存储与计较一体化，冲破了传统的数据搬运瓶颈，并巧妙使用阻变存储器固有的编程随机性天生收集所需的随机权重，将器件物理特征转化为计较上风。

于试验验证中，团队基在40纳米工艺节点的256 Kb阻变存储器原型芯片，完成为了原子力、哈密顿与基态多体波函数计较等质料设计范畴具备代表性的使命。成果显示，于包管计较精度的同时，RGNN体系的计较成真相比传统质料模仿要领最高可降低六个数目级，练习成本较传统GNN削减90%以上。同时，与传统数字硬件体系比拟，该协同设计体系于推理能效及速率上晋升了2至4倍。基在阻变存储器的贮备池图神经收集为高效、低成当地建模离子及电子彼此作用，实现年夜范围质料设计与模仿斥地了新路径。

该项目获得了科技部、国度天然科学基金委、南边科技年夜学、中科院及中国香港研究资助局的撑持。

图1. 基在阻变存储器的软硬件协同设计体系用在建模电子与离子彼此作用