一篇於2026年11月3日刊登在 npj Unconventional Computing 的綜述,回顧現代模擬計算如何處理微分方程及矩陣方程。文中一個重要分別,是不設回饋的「開環」矩陣乘法電路,與透過積分器和回饋求解方程的「閉環」電路並不一樣。這套分類有助整理研究方向,但並未證明模擬系統在各種工作負載下都勝過數碼硬件。
2
18
矩陣乘法和方程求解,電路要求不同
綜述討論矩陣乘法、微分方程求解和矩陣方程求解等模擬計算任務。期刊提供的摘要指出,矩陣乘法只需加法器和乘法器,並以開環方式運作,毋須積分器或回饋。相較之下,求解微分方程和矩陣方程會用到加法器、乘法器及積分器;積分器的輸出回送至電路輸入,形成閉環,以求得方程的解。
18
所以,不能把這些運算元當成每項任務都要一併具備的「標準套裝」。電路配置要視乎計算內容:矩陣乘法電路,並不等同閉環方程求解器。
18
為甚麼討論會聚焦矩陣運算?
QbitAI 的報道將這篇綜述的方向概括為:以 AI 和 6G 通訊相關的矩陣工作負載,重新界定「現代模擬計算」,並提及 RRAM 等阻變記憶體器件。這有助理解報道如何呈現綜述的研究動機,但屬於報道對方向的描述,並不代表相關工作負載已全部能夠高效、大規模地處理。
36
另一份綜述摘要提到,文章涵蓋模擬 CMOS 電路和阻變記憶體陣列,亦討論精度、可擴展性及應用等議題。這些是文章回顧的範疇,並不等於相關工程難題已經解決。
7
綜述作者是誰?
期刊列出的四位作者為 Zhong Sun、Piergiulio Mannocci、Manuel Le Gallo 和 Abu Sebastian;可查閱的作者資料亦列出相同姓名。
2
3
4
5 不過,現有資料未能確認每位作者與其機構的完整對應關係,因此本文不為作者逐一配上所屬機構。
現有證據未能證明甚麼?
目前可查閱的來源摘錄,支持文章的刊載資料,以及開環矩陣乘法與閉環方程求解電路之間的分別。但它們未能獨立核實報道中提及的具體數字,例如某些精度水平、矩陣規模、穩定時間,或相較 Nvidia H100 和數碼 ASIC 的吞吐量、能源效率優勢。
要確認這些數字,需要核對綜述全文及其引用的原始實驗論文。尤其要分清:採用定點表示、在特定問題上量得某個誤差,以及一般而言等同 FP32,是三種不同主張;證明其中一項,不會自動證明其餘兩項。
較穩妥的結論是:這篇綜述提供了一套整理現代模擬計算的方法,按目標問題和所需電路運算元分類,並清楚指出開環乘法和閉環方程求解是不同配置。至於模擬計算整體表現是否勝過數碼硬件,現有來源不足以定論。
18