计算

未来，ISMC将向多模态感知、原位持续学习、闭环生物集成、分布式群体智能方向演进，不仅支撑智能感知硬件升级，更有望延伸至通用计算领域，推动整个信息产业实现底层革新，成为后摩尔时代智能硬件的核心支撑。

ISMC材料体系历经三个阶段迭代(图8)：2000年前为基础奠基阶段，以硅基、金属氧化物材料为主，完成单功能器件验证；

他认为，当前AI主要基于大语言模型，在数据计算和推理方面与动态血糖监测等数字型医疗器械有良好适配性。

此外，上述研究对辐射剂量的计算是通过蒙特卡罗辐射传输模拟，会估算每次CT检查中18个器官的吸收剂量，再分层平均到各个器官。

变温磁化率测试(1/χ-T曲线)结合居里-外斯定律拟合，从磁学角度量化了不同掺杂体系的电子相互作用，为eg轨道占据率的计算提供了实验依据；

单纯机器计算的算法解决不了博弈的核心问题，需要把人类的算计算法与环境的天算算法结合起来，才能体现博弈的实时性与可靠性……

在博弈中，机器计算算法负责高维数据的快速关联、毫秒级的反应以及大规模策略的并行推演。

复杂系统博弈的底层逻辑常常超出了设计者或开发者的计算算法，单纯的机器计算确实只能处理规则明确的“局部战场”，而真正的博弈精髓，在于“计算、算计、天算”这三种力量的动态融合与抗衡。

无论是机器的计算还是人类的算计，都必须敬畏并适应“天算”。

机器计算的算法解决不了博弈的核心问题

二、量子计算：从计算表示层面寻找新的复杂度路径如果说光子芯片主要是在硬件物理层面回应AI的能耗问题，那么量子计算关注的则是另一个更深层的问题：如何为某些经典计算极其低效的问题，建立全新的计算表示和求解路径。

如果说光子芯片主要是在硬件物理层面回应AI的能耗问题，那么量子计算关注的则是另一个更深层的问题：如何为某些经典计算极其低效的问题，建立全新的计算表示和求解路径。

这也正是数学研究者可以进入的地方。

如果说光子芯片、量子计算分别是从硬件和计算范式层面回应AI的效率问题，那么类脑智能就是从智能架构本身寻找新的可能。

它不是简单把传统计算机做得更快，而是提供了一套不同于经典比特逻辑的计算范式。

它真正的价值，是在具有特定数学结构和物理结构的问题上提供新的计算范式；

新兴技术与跨学科应用：包括人工智能、计算与AI中的公平性、责任与透明性、量子计算、基础模型与大规模预训练（如大语言模型，LLMs）、光子计算、生物计算与类脑计算范式、神经形态计算与非传统计算。

研究显示，新型功能材料与三维异质集成技术推动ISMC向多模态、高密度系统级架构升级，神经形态算法与硬件物理特性深度适配，大幅提升计算能效与实时性。

三者互为补充，共同指向AI产业的未来：表层的模型迭代已经趋近饱和，未来真正的产业突破，必然来自底层计算结构、能耗结构、智能逻辑的重构。

量子计算提供的，正是重新理解计算结构和复杂度路径的机会。

今天回头看，那些课程几乎正好覆盖了AI时代所需要的几类数学基础：概率统计、机器学习理论、图论与网络、信息论、动力系统、随机过程、优化、复杂系统，以及面向生物、量子和计算科学的应用场景。

AI想要持续进化、规模化落地、摆脱能耗桎梏，需要数学提供全新的计算模型、结构逻辑、优化思路，甚至是全新的硬件设计理念和智能构建逻辑。

内容简介针对传统计算架构的底层瓶颈，复旦大学唐红雨、郭睿倩团队联合荷兰代尔夫特理工大学张国旗教授，全面梳理了近年来ISMC在“材料-器件-架构-算法”全栈维度的关键技术突破与演进脉络。

针对传统计算架构的底层瓶颈，复旦大学唐红雨、郭睿倩团队联合荷兰代尔夫特理工大学张国旗教授，全面梳理了近年来ISMC在“材料-器件-架构-算法”全栈维度的关键技术突破与演进脉络。

计算架构从VNA向ISMC的演变。

量子计算，从算法复杂度层面减少无效算力消耗，优化计算效率、降低能源浪费；

未来AI如果要真正参与材料设计、药物研发、复杂物理系统建模和高端科学发现，就必须面对大量经典计算成本极高的问题。

用经典计算机模拟这类系统，往往需要付出极高的计算成本；

量子计算不是万能计算机，不是所有问题的通用加速器，也不是已经能够普遍解决NP-complete问题的工具。

光电混合ISMC融合光、电优势，支持电气控制-光学读出与电光共调制模式，可适配CMOS系统与复杂神经形态计算场景。

电学ISMC以忆阻器件为核心，迭代至3D异构集成，依托1T1R结构解决串扰，打破存储与计算分隔，具备高密度、低功耗并行计算优势；

2023年后进入本征可重构智能阶段，依托材料本征特性实现材料内计算与原位自适应学习，完成从被动计算到主动认知的跨越

量子计算，从算法复杂度层面减少无效算力消耗，优化计算效率、降低能源浪费；

二、量子计算：从计算表示层面寻找新的复杂度路径如果说光子芯片主要是在硬件物理层面回应AI的能耗问题，那么量子计算关注的则是另一个更深层的问题：如何为某些经典计算极其低效的问题，建立全新的计算表示和求解路径。

更准确地说，它是在高速数据传输、低功耗互联、光计算、三维集成等关键场景中，用光信号补足电信号的短板，从物理底层降低部分算力和通信环节的能耗，压缩传输延迟，支撑下一代AI算力基础设施的升级。

近传感计算、存内计算等方案虽能缓解部分问题，但仍未摆脱模数转换(ADC)高开销、模块分离的核心局限。

伦理与治理挑战：通过有效的伦理与治理框架，确保计算与人工智能技术的负责任使用，以更好地保护社会整体利益。

强调跨学科创新：连接计算机科学核心研究与系统、网络、图形学以及真实世界应用场景，促进计算机全领域的融合创新。

伦理与治理挑战：通过有效的伦理与治理框架，确保计算与人工智能技术的负责任使用，以更好地保护社会整体利益。

AI想要持续进化、规模化落地、摆脱能耗桎梏，需要数学提供全新的计算模型、结构逻辑、优化思路，甚至是全新的硬件设计理念和智能构建逻辑。

二、量子计算：从计算表示层面寻找新的复杂度路径如果说光子芯片主要是在硬件物理层面回应AI的能耗问题，那么量子计算关注的则是另一个更深层的问题：如何为某些经典计算极其低效的问题，建立全新的计算表示和求解路径。

如果说光子芯片主要是在硬件物理层面回应AI的能耗问题，那么量子计算关注的则是另一个更深层的问题：如何为某些经典计算极其低效的问题，建立全新的计算表示和求解路径。