新刊推荐 | 非传统计算技术迎来完美风暴与新纪元！

随着我们进入一个由大规模数据获取和信息分析驱动的时代，一场计算领域的“完美风暴”正悄然来临。一方面，人工智能（AI）等新兴应用对高效计算能力提出了迫切需求，以便及时处理和生成数据；另一方面，硅基计算系统的主要推动力——摩尔定律——正逐渐放缓。为应对这些挑战，业内普遍认为，未来的计算系统将需要从算法、架构、电子电路到基础设施和材料等层面进行全方位创新，进而在整个计算堆栈上实现共同设计。

npj Unconventional Computing 《npj非传统计算》期刊的愿景是成为推动这一类计算创新与协同设计的核心平台。我们强调“非传统”计算，旨在鼓励和报道那些超越标准算法和数字逻辑硬件实现的研究，而非专注于应用AI解决具体问题。新算法往往受到物理系统的启发，如生物、量子或其他复杂系统的观察或思想实验。我们也特别强调“计算”这一核心，希望吸引那些直接与新型计算系统和方法学相关的投稿，而非局限于材料或纯物理研究。

本期刊涵盖的主题广泛，包括但不限于：

《npj非传统计算》于2023年9月正式创刊，并于同年11月发布首个专题征稿，主题为“受大脑启发的计算”。我们欣喜地看到，非传统计算领域的多元化研究群体对该期刊的投稿和专题系列表现出了极大的热情。

期刊的创刊号收录了4篇原创研究论文，涵盖了从算法到材料设备的多种主题，以及从极低功耗的传感器内计算到大型机器学习模型（如GPT）的广泛应用。Stoffel等人[1]的研究开发了一种脉冲神经网络回归框架，专用于复杂瞬态信号处理。通过引入脉冲形态的Legendre记忆单元，提升了网络的记忆能力，并扩展了脉冲神经元的高效通信性能。该框架在解决物理问题方面取得了显著成功，例如通过短时间测量信号预测非线性路径依赖的固体变形和波传播现象。Lv等人[2]则展示了一种基于磁隧道结随机存储器的计算阵列，具备多达5输入逻辑操作及全加法器功能，并开发了评估设备与系统性能的模型，以指导未来的优化。Kumar等人[3]通过开发光电子忆阻交叉阵列，展示了丰富的电和光电突触功能，并基于忆阻器阵列展示了降噪和图像识别任务的自动编码器及卷积神经网络，在保证高准确度的同时，能效比传统数字实现高出四个数量级。Wu等人[4]则展示了一种结合了基于DRAM的存内处理模块与特定应用集成电路的系统，旨在运行大型机器学习模型。通过模型映射和任务调度的优化，该系统展示了出色的扩展能力，并成功加速了具备数十亿参数的大型模型（如GPT），其吞吐量与能效相比CPU和GPU实现均大幅提升。

基于这些初步成功，我们近期推出了以“传感器内计算与近传感器计算”为主题的系列征稿，现已开放投稿。同时，我们将很快宣布其他若干专题，聚焦于相关领域的重要研究趋势。

作为 npj 系列的一部分，我们期望本期刊能够通过与全球研究社区以及 Springer Nature 旗下其他期刊的合作，真正成为非传统计算领域研究人员的学术家园，并推动该领域产生高影响力的研究成果。

References: 

[1] Stoffel, M., Tandale, S.B. Spiking neural networks for nonlinear regression of complex transient signals on sustainable neuromorphic processors. npj Unconv. Comput. 1, 2 (2024). https://doi.org/10.1038/s44335-024-00002-4

[2] Lv, Y., Zink, B.R., Bloom, R.P. et al. Experimental demonstration of magnetic tunnel junction-based computational random-access memory. npj Unconv. Comput. 1, 3 (2024). https://doi.org/10.1038/s44335-024-00003-3

[3] Kumar, D., Li, H., Singh, A. et al. Negative photo conductivity triggered with visible light in wide bandgap oxide-based optoelectronic crossbar memristive array for photograph sensing and neuromorphic computing applications. npj Unconv. Comput. 1, 1 (2024). https://doi.org/10.1038/s44335-024-00001-5

[4] Wu, Y., Wang, Z. & Lu, W.D. PIM GPT a hybrid process in memory accelerator for autoregressive transformers. npj Unconv. Comput. 1, 4 (2024). https://doi.org/10.1038/s44335-024-00004-2

点击阅读原文了解期刊详情，我们诚挚欢迎您的投稿！