当前，人工智能技术已成为重组全球要素资源、重塑全球经济结构的关键力量，算力资源被视为数字经济时代的战略性核心资产。然而，随着以大模型（Large Language Models，LLMs）为代表的智能计算需求呈指数级增长，传统计算架构正面临严峻的能耗瓶颈。据测算，当前主流大模型年推理能耗巨大，甚至逼近部分中等发达国家（如冰岛）全年的发电总量。由此带来的能源消耗问题，已成为制约人工智能可持续发展的关键瓶颈。在此背景下，突破传统冯·诺依曼架构限制，研制面向端侧应用的计算芯片，已成为后摩尔时代集成电路领域的重大战略需求，也是抢占未来科技制高点的关键举措。

本方向坚持“基础理论引领、软硬协同优化、全栈垂直贯通”的总体思路。我们主张摆脱对工艺节点微缩的单一路径依赖，致力于构建一套从计算本源（哲学与数学）到物理实现（器件与电路）的系统性研究体系。依托教育部集成攻关大平台，通过多学科交叉融合，解决高通量数据处理与有限功耗预算之间的矛盾，实现从碳基生物智能原理向硅基计算实体的映射，为空天遥感、自动驾驶及具身智能等前沿领域提供核心算力支撑。

本研究方向将计算芯片视为一个有机耦合的复杂系统，拟在以下五个关键方向开展重点攻关：

l  器件：立足于CMOS工艺，探索并研发超越传统布尔代数逻辑的新型计算器件，重点聚焦于多比特计算器件的物理机理研究，针对器件的一致性、漏电流、存储密度及权重维持时间等核心指标进行深度优化，为算力提升奠定物理基础。

l  电路：综合运用前沿模拟与数字电路设计技术，解决计算过程中的能耗问题。重点开展高能效混合信号计算电路和低功耗电路的设计与实现，通过精细化设计确保芯片在PPA（性能、功耗、面积）综合指标上达到最优。

l  架构：突破传统架构束缚，构建适配新型多比特计算器件的新型计算体系。重点研究数模混合计算架构，从架构层面消除数据搬运瓶颈，大幅提升计算效率。

l  算法：构建硬件友好型AI模型与协同优化体系，重点研究适配底层器件特性的新型AI算法，突破低比特网络量化技术，实现算法模型在边缘侧硬件上的高效部署。

l  理论：回归计算的哲学与数学本源，利用高维几何、概率论与图论等数学工具，为技术路径提供严谨的科学依据；重点从数学上严格证明特定应用场景下端侧计算方案的可行性、收敛性与完备性，确立计算系统的理论边界。

诚邀具备严谨科学精神、基础扎实且敢于跨学科探索的同学加入。根据上述研究内容，拟招收以下背景的研究生：

l  器件与电路方向：面向微电子学、物理电子学、集成电路设计等专业；重点考察对半导体器件物理的理解深度，以及模拟/数字集成电路全流程设计（由原理图到版图）的掌握程度。

l  架构与系统方向：面向计算机体系结构、电子信息工程等专业；重点考察对计算机组成原理的掌握，以及熟练运用Verilog/SystemVerilog等硬件描述语言进行逻辑设计与仿真的能力。

l  算法与理论方向：面向计算机科学、应用数学等专业；重点考察较强的数学推导能力、对深度神经网络底层原理的理解，以及对科学哲学问题的逻辑思辨能力。