北大孙仲联合 IBM 等发布综述，为现代模拟计算立定义
一篇综述想把散落的模拟计算技术串成统一体系：用忆阻器阵列直接做矩阵运算，理论上比 GPU 快千倍、省电百倍，这篇给了定义和路线图。
北京大学孙仲与 IBM 苏黎世研究院、硅谷初创公司 Unconventional AI 的研究者合作，在 Nature 旗下期刊发表综述，把「现代模拟计算」写进标题并给出正式定义：任务上从解微分方程转向 AI 与 6G 所需的大规模矩阵计算，硬件上依托阻变存储器（RRAM 等忆阻器，一种阻值可电脉冲改写且断电不丢的纳米器件），并给出可扩展的高精度工程路径。
正文摘录
在一本专注于非传统计算的 Nature 旗下期刊里，一篇综述论文把 「现代模拟计算」 写进了标题，试图给这个方向立一个正式的定义。 这件事由北京大学人工智能研究院长聘副教授孙仲操刀，他同时拟任模拟计算芯片公司安纳智芯的首席科学家。 包括孙仲在内，四位作者分别来自北京大学、IBM 苏黎世研究院和硅谷初创公司 Unconventional AI，几乎集齐了当下模拟计算领域最核心的几股力量。 左起：Shahar Kvatinsky（IEEE Fellow），孙仲，Abu Sebastian（IEEE Fellow），Piergiulio Mannocci IBM 在模拟计算和存内计算领域深耕超过十年，属于业内公认的标杆；这篇综述的合作作者 Manuel Le Gallo 与 Abu Sebastian，正是 IBM 苏黎世研究院学者，后者更是 IEEE Fellow，也是这个方向上长期的核心研究者。 与此同时，硅谷做模拟计算的公司正在被资本疯抢，Unconventional AI 的估值已经超过 45 亿美元，Normal Computing 拿到了三星和 Eric Schmidt 的投资，这两家公司都宣称「能把 AI 能耗降到千分之一」。 孙仲一直在试图统一一个方向，两三年前他在存内计算领域就这样干过，当时他同样联合国际同行，写了一篇题为《存内计算技术全谱》（A full spectrum of computing-in-memory technologies）的论文，发表在《Nature Electronics》上。 他说论文只是个契机，他想把中外几家最核心的机构聚在一起，共同写下「现代模拟计算」的定义。 在任务维度上，传统模拟计算仅面向微分方程求解，现代模拟计算则主要面向 AI 时代与 6G 通信里需求最庞大的矩阵计算。