五、先进计算技术

全球数字化转型已进入倍增创新阶段，各个国家数字经济占比持续提升。在此背景下，计算力（Computing Power）成为数字化技术持续发展的重要动力，是数字经济时代的核心生产力。先进计算是多领域多技术融合的载体，是推动计算力持续高速增长的主要推动力。随着先进计算的不断发展，计算的效能与能效将迎来全新的突破，算力体系将得到颠覆性的变革。由此，百亿亿次超级计算机成功入选《科学》期刊2023年度科学十大突破。

（一）超级计算机

超级计算机是经典计算机中功能最强、运算速度最快、存储容量最大的一类计算机，多用于国家高科技领域和尖端技术研究，是国家科技发展水平和综合国力的重要标志。2023年，世界主要经济体在超级计算机领域的争夺仍然激烈。同时，超级计算机的应用场景不断拓展、任务难度不断加大。2023世界超算排名如表2-4所示。

1.美国英伟达公司发布新一代人工智能超级计算机

2023年5月，美国英伟达公司发布新一代人工智能超级计算机DGX GH200。此计算机搭载英伟达GH200 Grace Hopper超级处理器和NVLink直接互连系统，旨在应用于生成式人工智能、推荐系统及数据分析等大型人工智能模型开发的工作负载。DGX GH200主要面向云服务提供商和其他超大规模数据中心，谷歌云、Meta和微软公司将成为第一批使用DGX GH200的客户。

2.美国Cerebras公司推出每秒执行20亿次运算的人工智能超级计算机

2023年7月，美国Cerebras公司推出每秒执行20亿次运算的人工智能超级计算机Condor Galaxy 1（CG-1）。CG-1拥有64个CS-2节点，达到4 ExaFLOPs算力输出，支持6000亿参数模型的训练。到2024年，Cerebras将建造6个CG-1，最高可提供36 ExaFLOPs算力。

3.中国国家超算广州中心发布新一代国产超算系统

2023年12月，中国国家超算广州中心在2023年超算创新应用大会上发布了新一代国产超级计算系统“天河星逸”，该系统在计算能力、网络能力、存储能力和应用服务能力等方面较之前的“天河二号”有大幅提升。该系统以应用为中心，采用国产先进计算架构、高性能多核处理器、高速互连网络和大规模存储等关键技术构建，旨在满足高性能计算、人工智能大模型训练和大数据分析等多种应用场景的需求。通过组建一流人才团队和开发面向领域的超算应用平台，国家超算广州中心取得了显著的应用实效，用户数从最初的300多个增长到30多万个，其超算应用入选中国十大科技进展。新一代超级计算系统“天河星逸”将进一步提升该中心的多领域应用服务能力，为广州市、广东省和粤港澳大湾区的科技突破、战略工程建设和产业升级转型提供强劲的支撑。

4.澳大利亚西悉尼大学开发全球首台人脑规模的神经形态超级计算机

2023年12月，澳大利亚西悉尼大学（Western Sydney University）正开发全球首台人脑规模的神经形态超级计算机DeepSouth。该计算机可以模拟人脑规模的尖峰神经网络，具备高速处理大量数据的能力，并且相比其他超级计算机体积更小、能源消耗更少。DeepSouth计算机使用模块化和可扩展的商用硬件，可以根据不同任务调整系统规模。研究团队希望通过这台计算机更好地理解大脑，并在传感、生物医学、机器人、太空和人工智能等领域取得进展。

（二）神经形态计算技术

神经形态计算是通过模仿人脑的构造来大幅提高计算能力与能效的新型计算方法，多采用存算一体架构。神经形态计算与传统的计算方法的区别在于，它将负责数据存储和处理的单元融合在了一起，将数据直接在一个单元内部进行储存、计算，从而省去了数据在存储器与中央处理器之间频繁移动而造成的大量能源开销和速率损耗。在高性能运算、人工智能等场景中具有广阔的应用前景。

1.荷兰国家数学与计算机科学研究中心提出用于人工智能的大型类脑神经网络

2023年5月，荷兰国家数学与计算机科学研究中心（Centrum Wiskunde & Informatica，CWI）研究人员提出一种可用于人工智能的大型类脑神经网络。研究人员展示了一种新的时间前向传播（Forward-Propagation Through Time，FPTT）学习算法，并结合了液体时间常数（LTC）尖峰神经元，实现了一种复杂的尖峰神经网络。这种神经网络可以实现超长序列的在线学习，并在时间分类任务上接近或优于离线方法，可以构建拥有超600万神经元的大规模神经网络。该研究有望用于开发极低功耗的人工智能芯片。

2.美国洛斯阿拉莫斯国家实验室为神经形态计算设计人工突触

2023年5月，美国洛斯阿拉莫斯国家实验室（Los Alamos National Lab）研究人员开发出一种新的接口型忆阻设备，可用于为下一代神经形态计算构建人工突触。忆阻器可以记住它们在断电时所处的电气状态，因此可用于模拟人脑的记忆。通过忆阻器设备构建的神经形态网络具有低能耗、高并行性和出色的容错性等优点。洛斯阿拉莫斯国家实验室研究人员使用人工神经网络仿真来研究接口型忆阻器神经网络的计算性能。实验结果显示，这种系统在手写图像识别任务的测试中实现了94.72%的识别准确率。该研究有助于开发新型神经形态计算设备，以执行学习和实时决策等高级任务。

3.中国清华大学开发出全球首颗支持片上学习的忆阻器存算一体芯片

2023年10月，中国清华大学吴华强教授团队开发出全球首颗全系统集成、支持片上学习的忆阻器存算一体芯片。该芯片在相同任务下实现片上学习的能耗仅为先进工艺下专用集成电路（Application-Specific Integrated Circuit，ASIC）芯片的3%，可满足人工智能时代高算力低能耗的应用需求，为突破冯·诺依曼（von Neumann）传统计算架构下的能效瓶颈提供了一种创新发展路径。相关研究成果发表在《科学》（ Science ）期刊上。

4.美法研究人员探索使用钒氧化物构建神经形态计算芯片

2023年11月，美国普渡大学（Purdue University）、加利福尼亚大学圣地亚哥分校（University of California San Diego，USCD）和法国巴黎高等物理与化学工业学院（The City of Paris Industrial Physics and Chemistry Higher Educational Institution，ESPCI）联合团队研究人员探索使用钒氧化物构建神经形态计算芯片。神经形态计算芯片基本上可以归纳为模仿大脑行为的计算机芯片，可以模拟人脑中神经元和突触之间的信号传递。研究人员发现钒氧化物制成的非易失性存储器具有记忆效应，其在绝缘体到金属转变过程中可以重复地由温度循环驱动，意味着这种存储器在局部温度的变化中，可在升温时从绝缘体转变为金属，或在冷却时从金属转变为绝缘体。这种类似“记忆”的模式有望为构建神经形态计算芯片提供新的思路。

5.中国上海交通大学开发出新型分子芯片，可执行神经网络运算和路径规划任务

2023年12月，中国上海交通大学研究团队开发出新型分子芯片，可高效、高精度地执行Hopfield神经网络运算和路径规划任务。分子芯片利用分子测量的材料特性动态模拟生物神经信号的记录、处理和传输功能，通过超低功耗、超高密度方式实现认知、记忆和决策等复杂任务。这款芯片的极限尺寸达到50纳米，阵列规模1000比特，集成密度超过34吉比特每平方英尺，加工良品率超过90%。该研究团队表示，这款芯片是目前全球微缩尺寸最小、集成密度最高的，也是全球首个与硅芯片集成的混合信号分子神经形态硬件系统。

（三）其他新型计算技术

人类社会的信息体量正呈爆发式增长之势，冯·诺依曼架构计算机在某些特殊应用场景中的局限性也逐步凸显。而概率计算、自旋电子学等新型计算模式和结构不断涌现，将满足人工智能、数据中心等应用对高负载、低能耗计算的需求，成为未来智能计算的突破口。

1.美国微软公司推出模拟光学计算机，可利用光子和电子处理数据

2023年6月，美国微软公司推出模拟光学计算机，可利用光子和电子处理数据。这类计算机被称为模拟迭代机（Analog Iterative Machine，AIM），可以突破摩尔定律的限制，解决一些特定的问题。微软团队开发出一种新的算法，在寻针任务中非常高效。该算法的核心操作涉及执行数十万次甚至数百万次向量-矩阵乘法，向量表示需要确定其值的问题变量，而矩阵则编码了问题本身。微软表示，模拟光学计算是利用模拟技术（包括光学和电子技术）构建一个物理系统，该系统受到能够捕捉所需计算的方程的约束。

2.奥地利研究机构开发出新型自旋波，有望催生新型磁振子计算机

2023年8月，奥地利维也纳大学（University of Vienna）研究团队开发出新型自旋波，有望催生新型磁振子计算机。该研究团队开发出新方法，可使自旋波变得更短、更快，并且表现出了一种“自锁非线性位移”，这意味着激发的自旋波的振幅是恒定的。该特性与集成电路密切相关。未来，该研究可应用于磁振子计算机领域。相关研究成果发表在《科学进展》期刊。

3.瑞士洛桑联邦理工学院开发出结合模拟与数字技术的新型计算技术

2023年8月，瑞士洛桑联邦理工学院（Federal Institute of Technology Lausanne，EPFL）研究团队开发出一种可结合模拟与数字信号技术优点的新技术。研究人员将超薄二维半导体与铁电材料无缝集成，实现类脑功能和先进的电子开关，以此构成负电容隧道场效应晶体管（Tunneling Field Effect Transistor，TFET），首次在完全协同集成的电子系统中展示了利用二维半导体和铁电材料的潜力。TFET可以在较传统晶体管低得多的电压下工作，因此具有更低的能耗。此外，该团队还深入研究了创建类似生物突触的开关的方法，用于神经形态计算，这标志着冯·诺依曼逻辑电路和神经形态功能的首次共同集成，可实现数字电路的精度与模拟类脑电路的连续性。相关研究成果发表在《自然·电子学》期刊上。

4.俄罗斯斯科尔科沃科学技术研究院实现在室温条件下操纵量子光流体，将为下一代非常规计算奠定基础

2023年10月，俄罗斯斯科尔科沃科学技术研究院研究团队在室温量子光流体（Quantum Fluid of Light）的可逆空间操纵和能量控制方面取得进展，是高速、全光学极化逻辑器件发展的一个重要里程碑。这种逻辑器件是下一代非常规计算的关键。该研究团队引入了一层额外的与空腔膜不共振的内腔半导体层。这一看似简单却异常巧妙之举，打开了一扇通向丰富可能性的大门。该研究开启了有机极化平台的新时代，为环境条件下的“液体光”（Liquid Light）计算奠定了基础。相关研究发表在《物理评论快报》（ Physical Review Letters ）期刊上。 FG5xEJbBn+UiI+JZQYdmsqkqiGXzVRpPgZwrVY3TQA/DjEl3k6EQbwVmp1YamOie