2026年7月2日，国际学术顶刊杂志（中科院1区Top/Q1/IF=45.8）在线发表了北京大学集成电路学院、中国科学院上海微系统与信息技术研究所信息学功能材料国家重点实验室等研究团队题为A sub-10-millisecond neural dynamical system based on phase-change memristors的研究成果。

作者团队：Lei Cai, Yaoyu Tao, Chenchen Xie, Longhao Yan, Shiqian Li, Ruihong Shen, Zelun Pan, Xile Wang, Bowen Wang, Daijing Shi, Yihang Zhu, Teng Zhang, Yixin Zhu, Xi Li, Zhitang Song, Ru Huang, Yuchao Yang

引用格式：Lei Cai et al. ,A sub–10-millisecond neural dynamical system based on phase-change memristors.Science393,105-112(2026).DOI:10.1126/science.aee6277

据北京大学官网对该论文的解读显示，脑是自然界最复杂的动力学系统之一。脑机接口要实时解析神经状态，医学影像要高精度重建脑皮层，都依赖对连续神经形态和动态过程的快速建模。神经动力学系统将神经网络的表达能力与微分方程的连续演化机制结合起来，能够从带噪声、不完整的影像数据中恢复平滑、拓扑一致的三维脑结构。但其求解过程需要反复积分、误差控制和自适应步长搜索，计算量巨大，并且在传统冯·诺依曼计算架构中存储与计算分离，神经动力学系统中间变量需要在存储器与处理器之间频繁搬运，进一步放大了延迟和能耗，成为实时高保真脑建模的核心瓶颈。

面对这一难题，杨玉超团队从忆阻器器件物理出发，提出了一条以“可控存内计算”为核心的融合创新路线，实现存算一体芯片领域重要突破。相变存储器具有连续电导演化和多级电导调控能力，其电导状态不仅可以被精细编程，而且能够在特定时间窗口内呈现可预测、可映射、可调控的动态变化。

基于这一发现，团队提出细粒度可控电导演化机制，将有效积分步长直接编码为相变存储器的电导状态，并利用器件自身物理演化完成自适应步长搜索。这一设计突破了神经动力学系统半个世纪以来精度与延迟相互制衡的核心瓶颈，通过“可控存内计算”机制从根本上减少了读写、乘法器、加法器、缓存访问和数据搬运需求，使神经动力学系统的关键计算过程被压缩到毫秒级。

结果表明，该系统能够生成平滑、闭合、拓扑一致的脑皮层表面，准确刻画复杂皮层褶皱结构，并有效抑制传统神经网络方法中常见的自相交（Self Intersection）和非流形伪影。重建结果在对称表面平均距离（Average Symmetric Surface Distance）和豪斯多夫距离（Hausdorff Distance）等指标上均显示出优势，满足高保真脑结构建模要求。

在医学场景中，该技术也有望支撑脑数字孪生、术中神经导航、脑皮层实时重建和神经退行性疾病辅助诊断。对阿尔茨海默症、帕金森病等疾病而言，脑结构和脑功能的细微变化往往具有重要临床价值。该项研究在低功耗硬件上快速完成高保真脑建模，为脑疾病早筛、病程监测和个性化干预提供新的技术路径。

神外前沿-中国神经外科新媒体；投稿邮箱：gouxinyu@neurochn.com（恕不接收一稿多投，投稿后作者不可审改稿，神外前沿自行修改并择期发布）；任何媒体、网站等机构如需转载或引用，须获得书面授权。