北大清华 ，AI&AIĆ个性化学习推荐算法34;能学习系统209;改作业#25945;育让芯片更“硬核” ！教育大数据分析
从破解传统芯片能耗过大 、硬核效率受限的北大清华行业难题，开辟芯片既快速又省电的让芯片更新路径 ，到实现芯片随意折叠 、硬核卷曲且不影响正常工作 ，北大清华还能扛住高低温、让芯片更AI教育潮湿环境与光照老化考验 ，硬核北京大学 、北大清华清华大学在芯片技术研发领域取得新突破。让芯片更跟教育小微一起来看——
北京大学
全球首个超薄铋基铁电晶体管问世，硬核为芯片突破“功耗墙”开辟新路径
在人工智能迅猛发展的北大清华今天 ，传统芯片架构正遭遇“功耗墙”与“存储墙”的让芯片更双重围堵——计算与存储分离导致海量数据搬运 ，能耗过大 、硬核效率受限 。北大清华如何让芯片既快速又省电？让芯片更AI批改作业北京大学化学与分子工程学院彭海琳教授团队给出一项突破性答案 ：他们成功研制出全球首个晶圆级超薄 、均匀的新型铋基二维铁电氧化物，并基于此构建出工作电压超低（0.8伏） 、耐久性极高（1.5×1012次循环）的高速铁电晶体管 ，其综合性能全面超越当前工业级铪基铁电体系 。相关成果日前在线发表于国际学术期刊《科学》 。
彭海琳介绍 ，长久以来 ，铁电材料因其可逆极化与非易失存储特性 ，被视为打通存算一体 、突破冯·诺依曼架构（在冯·诺依曼架构下，计算和存储是相互分离的）瓶颈的关键 。然而 ，当芯片工艺逼近亚5纳米（小于5纳米）节点 ，传统铁电薄膜面临均匀性差 、智能学习系统界面缺陷多 、厚度减薄后铁电性骤降等难题 。研究团队创新性依托其自主研发的高迁移率铋基二维半导体Bi2O2Se（硒氧化铋），首次实现了原子级平整的二维铁电自然氧化物Bi2SeO5（硒酸铋）及异质结构晶圆级均匀制备 。这种新型铁电氧化物不仅具有高达24的介电常数和超过600℃的高温结构稳定性 ，更在单晶胞厚度（约1纳米）下仍保持优异铁电性 ，彻底摆脱了传统铁电材料的尺寸限制。
二维高κ铁电氧化物α-Bi2SeO5的晶圆级均匀制备及铁电性。
在此基础上 ，研究团队还制备出高性能铁电晶体管阵列，能效领先其他存储技术1至2个数量级 ，并展现出32个稳定多级存储态与超10年数据保持能力。尤为亮眼的是 ，在0.8伏超低电压和20纳秒高速写入条件下 ，个性化学习推荐算法器件经受住1.5万亿次循环考验 ，可靠性远超云端AI计算的严苛标准 。更进一步 ，团队利用该器件构建出可动态重构的存内逻辑电路——在低于1伏的常规CMOS电压下，同一器件既能执行逻辑运算 ，又能切换为非易失存储 ，真正实现“一器两用” ，为未来自适应智能芯片开辟了新范式 。
二维α-Bi2SeO5/Bi2O2Se铁电晶体管器件及性能 。
审稿人评价 ，该工作“解决了二维铁电材料晶圆级集成难题，彰显出显著的应用潜力”，并“对铁电材料和器件领域产生深远影响 ，为铁电二维电子学发展打开了大门” 。教育大数据分析
低功耗二维α-Bi2SeO5/Bi2O2Se铁电晶体管基可重构的存内逻辑电路 。
“这项原创成果为发展下一代高性能 、低功耗芯片技术提供了全新的材料平台与集成路径。”彭海琳说 。
清华大学
弯折4万余次性能不减，柔性AI芯片技术再获突破
既能随意折叠 、卷曲 ，又不影响正常工作；哪怕经历4万次反复弯折 ，核心计算能力依然稳定如初 ，还能扛住高低温、潮湿环境与光照老化考验 。近日 ，清华大学集成电路学院任天令教授团队及合作单位成功研发并提出FLEXI——面向边缘智能加速的柔性数字存内计算芯片 。
相关研究成果日前发表于国际学术期刊《自然》 ，标志着我国在柔性电子与边缘人工智能硬件领域取得重要突破 ，填补了高性能柔性AI计算芯片的技术空白 ，为柔性电子器件在移动医疗 、嵌入式智能及其他边缘计算场景中的应用奠定了基础。
近年来 ，随着智慧医疗 、虚拟现实、可穿戴设备等新应用场景不断涌现 ，可与人体舒适贴合的柔性电路芯片 ，被视作未来智能硬件的新载体 。然而 ，受制于计算能力和能效水平，现有柔性电路多以传感和信号采集为主 ，难以支撑高性能人工智能算法的本地运行 。如何在柔性形态下实现高效 、可靠的边缘计算 ，成为制约相关应用发展的关键问题 。
基于LTPS-TFT技术的柔性晶圆与芯片结构示意图：单个die集成 FLEXI-1 、FLEXI-4 、FLEXI-32 及测试结构；包含12个die的本征柔性芯片；柔性芯片三维结构示意。
FLEXI既有柔性电路轻薄、可弯曲的独特优势 ，相较现有柔性计算芯片又具有显著的性能和稳定性优势 ，同时实现了低成本与高能效 。这款造价低于1元的测试芯片 ，在超过4万次弯折后仍能稳定运行 ，在超百亿次运算中零错误 。通过横跨工艺 、电路与算法多个层级的协同优化 ，芯片在2.5~5.5V电压波动、-40℃至80℃的温度变化 、90%的相对湿度乃至紫外线环境下都保持了稳定。应用验证方面 ，FLEXI可用于心律失常监测和活动状态分类 ，分别实现了99.2%和97.4%的准确率 ，展示了其在低功耗条件下开展本地智能处理的应用潜力 。
FLEXI存内计算架构电路；结合量化感知训练与贝叶斯优化的双环训练策略；芯片上权重分布可视 。
任天令介绍 ：“未来 ，芯片的发展不仅是性能的继续提升 ，更要关注为人服务的核心目标 。FLEXI有望将前沿的高性能AI算法 ，落地到可穿戴设备 、柔性机器人 、具身智能等场景 ，为人们的生活和社会生产提供强大的AI与边缘算力支持 ，也让我国有望在后摩尔定律时代，取得芯片发展的先机 。”
6T-SRAM柔性单元显微图 、电路结构及传输特性；FLEXI-4在存算模式下的Shmoo测试；FLEXI-4经受43000次折叠测试过程中的性能监测；FLEXI系列芯片与其他柔性计算芯片的综合性能对比 。
相关专家评价这一成果：“芯片制造工艺、电路设计和运行算法的全面优化，将柔性电子技术推向了新的高度；为面向边缘计算的超低成本AI系统开辟了道路 。未来通过新型半导体材料应用 、功率门控技术优化等 ，有望进一步提升性能；若能持续优化生产良率与芯片尺寸 ，将推动可穿戴健康设备 、物联网终端等领域的产业升级与技术革新。
FLEXI 用于日常活动监测与分类的系统流程 ：数据采集 、预处理、神经网络训练与片上推理；可一次性部署的四通道卷积神经网络结构；FLEXI-1不同电压条件下单次推理的延迟与能耗 。
来源 ：教育部政务新媒体“微言教育”（微信号 ：jybxwb）
赛博对话 
热搜时代 
一天零一页 
无双 
热浪之外
北京大学
全球首个超薄铋基铁电晶体管问世，硬核为芯片突破“功耗墙”开辟新路径
在人工智能迅猛发展的北大清华今天 ，传统芯片架构正遭遇“功耗墙”与“存储墙”的让芯片更双重围堵——计算与存储分离导致海量数据搬运 ，能耗过大 、硬核效率受限 。北大清华如何让芯片既快速又省电？让芯片更AI批改作业北京大学化学与分子工程学院彭海琳教授团队给出一项突破性答案 ：他们成功研制出全球首个晶圆级超薄 、均匀的新型铋基二维铁电氧化物，并基于此构建出工作电压超低（0.8伏） 、耐久性极高（1.5×1012次循环）的高速铁电晶体管 ，其综合性能全面超越当前工业级铪基铁电体系 。相关成果日前在线发表于国际学术期刊《科学》 。
彭海琳介绍 ，长久以来 ，铁电材料因其可逆极化与非易失存储特性 ，被视为打通存算一体 、突破冯·诺依曼架构（在冯·诺依曼架构下，计算和存储是相互分离的）瓶颈的关键 。然而 ，当芯片工艺逼近亚5纳米（小于5纳米）节点 ，传统铁电薄膜面临均匀性差 、智能学习系统界面缺陷多 、厚度减薄后铁电性骤降等难题 。研究团队创新性依托其自主研发的高迁移率铋基二维半导体Bi2O2Se（硒氧化铋），首次实现了原子级平整的二维铁电自然氧化物Bi2SeO5（硒酸铋）及异质结构晶圆级均匀制备 。这种新型铁电氧化物不仅具有高达24的介电常数和超过600℃的高温结构稳定性 ，更在单晶胞厚度（约1纳米）下仍保持优异铁电性 ，彻底摆脱了传统铁电材料的尺寸限制。
二维高κ铁电氧化物α-Bi2SeO5的晶圆级均匀制备及铁电性。
在此基础上 ，研究团队还制备出高性能铁电晶体管阵列，能效领先其他存储技术1至2个数量级 ，并展现出32个稳定多级存储态与超10年数据保持能力。尤为亮眼的是 ，在0.8伏超低电压和20纳秒高速写入条件下 ，个性化学习推荐算法器件经受住1.5万亿次循环考验 ，可靠性远超云端AI计算的严苛标准 。更进一步 ，团队利用该器件构建出可动态重构的存内逻辑电路——在低于1伏的常规CMOS电压下，同一器件既能执行逻辑运算 ，又能切换为非易失存储 ，真正实现“一器两用” ，为未来自适应智能芯片开辟了新范式 。
二维α-Bi2SeO5/Bi2O2Se铁电晶体管器件及性能 。
审稿人评价 ，该工作“解决了二维铁电材料晶圆级集成难题，彰显出显著的应用潜力”，并“对铁电材料和器件领域产生深远影响 ，为铁电二维电子学发展打开了大门” 。教育大数据分析
低功耗二维α-Bi2SeO5/Bi2O2Se铁电晶体管基可重构的存内逻辑电路 。
“这项原创成果为发展下一代高性能 、低功耗芯片技术提供了全新的材料平台与集成路径。”彭海琳说 。
清华大学
弯折4万余次性能不减，柔性AI芯片技术再获突破
既能随意折叠 、卷曲 ，又不影响正常工作；哪怕经历4万次反复弯折 ，核心计算能力依然稳定如初 ，还能扛住高低温、潮湿环境与光照老化考验 。近日 ，清华大学集成电路学院任天令教授团队及合作单位成功研发并提出FLEXI——面向边缘智能加速的柔性数字存内计算芯片 。
相关研究成果日前发表于国际学术期刊《自然》 ，标志着我国在柔性电子与边缘人工智能硬件领域取得重要突破 ，填补了高性能柔性AI计算芯片的技术空白 ，为柔性电子器件在移动医疗 、嵌入式智能及其他边缘计算场景中的应用奠定了基础。
近年来 ，随着智慧医疗 、虚拟现实、可穿戴设备等新应用场景不断涌现 ，可与人体舒适贴合的柔性电路芯片 ，被视作未来智能硬件的新载体 。然而 ，受制于计算能力和能效水平，现有柔性电路多以传感和信号采集为主 ，难以支撑高性能人工智能算法的本地运行 。如何在柔性形态下实现高效 、可靠的边缘计算 ，成为制约相关应用发展的关键问题 。
基于LTPS-TFT技术的柔性晶圆与芯片结构示意图：单个die集成 FLEXI-1 、FLEXI-4 、FLEXI-32 及测试结构；包含12个die的本征柔性芯片；柔性芯片三维结构示意。
FLEXI既有柔性电路轻薄、可弯曲的独特优势 ，相较现有柔性计算芯片又具有显著的性能和稳定性优势 ，同时实现了低成本与高能效 。这款造价低于1元的测试芯片 ，在超过4万次弯折后仍能稳定运行 ，在超百亿次运算中零错误 。通过横跨工艺 、电路与算法多个层级的协同优化 ，芯片在2.5~5.5V电压波动、-40℃至80℃的温度变化 、90%的相对湿度乃至紫外线环境下都保持了稳定。应用验证方面 ，FLEXI可用于心律失常监测和活动状态分类 ，分别实现了99.2%和97.4%的准确率 ，展示了其在低功耗条件下开展本地智能处理的应用潜力 。
FLEXI存内计算架构电路；结合量化感知训练与贝叶斯优化的双环训练策略；芯片上权重分布可视 。
任天令介绍 ：“未来 ，芯片的发展不仅是性能的继续提升 ，更要关注为人服务的核心目标 。FLEXI有望将前沿的高性能AI算法 ，落地到可穿戴设备 、柔性机器人 、具身智能等场景 ，为人们的生活和社会生产提供强大的AI与边缘算力支持 ，也让我国有望在后摩尔定律时代，取得芯片发展的先机 。”
6T-SRAM柔性单元显微图 、电路结构及传输特性；FLEXI-4在存算模式下的Shmoo测试；FLEXI-4经受43000次折叠测试过程中的性能监测；FLEXI系列芯片与其他柔性计算芯片的综合性能对比 。
相关专家评价这一成果：“芯片制造工艺、电路设计和运行算法的全面优化，将柔性电子技术推向了新的高度；为面向边缘计算的超低成本AI系统开辟了道路 。未来通过新型半导体材料应用 、功率门控技术优化等 ，有望进一步提升性能；若能持续优化生产良率与芯片尺寸 ，将推动可穿戴健康设备 、物联网终端等领域的产业升级与技术革新。
FLEXI 用于日常活动监测与分类的系统流程 ：数据采集 、预处理、神经网络训练与片上推理；可一次性部署的四通道卷积神经网络结构；FLEXI-1不同电压条件下单次推理的延迟与能耗 。
来源 ：教育部政务新媒体“微言教育”（微信号 ：jybxwb）
赛博对话 热搜时代 一天零一页 无双 热浪之外 
