相比傳統排序方法，該系統吞吐量提升7.7倍，能效提高超過160倍。

為克服科學計算中的短板，中國科學家提出了一種新的數據排序方法，有望實現更高的速度和更低的能耗。該系統將憶阻器（一種模擬人腦記憶功能的電子元件）與先進的排序算法相結合，以更高效地處理海量信息。

研究人員表示，這種方法不僅有助于克服計算領域的性能瓶頸，還能解決人工智能（AI）和硬件設計中的瓶頸問題。在這些領域，快速組織和分析海量數據集至關重要。除人工智能外，該技術的潛在應用還包括需要實時分析圖像的智能交通系統以及需要快速風險評估的金融服務。

原型展示憶阻器排序提升路徑查找和神經網絡推理性能

為展示其技術的潛力，來自北京大學和中國腦科學研究所的科學家們創建了一個基于憶阻器的硬件排序原型系統。據《南華早報》報道，該系統成功處理了路徑查找和神經網絡推理等任務，相比傳統排序方法，性能更快，能耗更低。

總體而言，該系統相比傳統排序方法，吞吐量提高了7.7倍，能效提升了超過160倍，面積效率也提升了超過32倍。這標志著在實現存儲與計算融合、邁向更廣泛通用應用方面邁出了重要一步。

該團隊上月發表在《自然-電子學》上的論文中指出，從人工智能、數據庫到網絡搜索和科學計算，排序仍然是制約眾多應用性能的主要瓶頸。傳統的計算系統依賴于馮·諾依曼架構，該架構將數據存儲和處理功能分離，通常使用中央處理器（CPU）來處理計算。

憶阻器新見解揭示變革計算的潛力

最新研究的研究人員表示，傳統系統導致了馮·諾依曼瓶頸，限制了內存和處理單元之間的數據傳輸速度。他們解釋說，雖然使用憶阻器的內存排序（sort-in-memory）方法有助于克服這些限制，但當前系統仍然依賴于比較操作，使得排序性能受限。

與僅能簡單限制電路中電流流動的普通電阻器不同，憶阻器具有獨特的記憶能力，能夠記住流經自身的電荷量。這種記憶功能使憶阻器能夠根據之前的活動調整其電阻值，從而使其既能充當存儲元件也能充當處理元件。通過結合這些功能，憶阻器可以消除在獨立的內存和處理單元之間傳輸數據的需要，從而可能帶來更快、更節能的計算系統。

新方法：摒棄比較單元，簡化排序

該科學團隊旨在通過摒棄比較單元來簡化排序。傳統的硬件排序依賴于使用排序算法逐步比較數字的CPU、GPU或專用芯片。而新方法則使用憶阻器來執行基于迭代搜索的排序，無需直接比較每一對數據即可找到最小值或最大值，從而節省時間和能耗。

如果朋友們喜歡，敬請關注“知新了了”！