科研进展-北京大学人工智能研究院

科学研究

首页 >> 科学研究 >> 科研进展

人工智能研究院孙仲团队在《自然·电子学》发表论文，在新型计算架构上取得重大突破

近日，北京大学人工智能研究院孙仲研究员团队，联合集成电路学院研究团队在国际学术期刊《自然·电子学》（Nature Electronics）杂志发表了题为“Precise and scalable analogue matrix equation solving using resistive random-access memory chips”的论文，在新型计算架构上取得重大突破。研究团队成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次实现了在精度上可与数字计算媲美的模拟计算系统，将传统模拟计算的精度提升了惊人的5个数量级。...

2025-10-15

北京大学人工智能研究院研究团队在人工智能隐私计算方向取得重要进展

在人工智能大模型快速发展的今天，大模型规模持续扩大、应用场景日益丰富，推动了推理服务在医疗诊断、金融风控、智能客服等关键领域的广泛应用。然而，随之而来的用户隐私泄露与模型知识产权保护问题也愈发突出。如何在保障用户数据与模型参数隐私的前提下，实现高效大模型推理计算，成为学术界与产业界共同关注的前沿问题。近日，北京大学人工智能研究院和集成电路学院双聘李萌研究员团队的研究成果“Breaking the Layer Barr...

2025-09-09

人工智能研究院唐希源课题组在面向端侧智能系统与侵入式脑机接口的读出前端芯片研究…

随着人工智能技术，特别是具身智能的发展，其对物理世界感知与交互能力的需求也随之增长。作为连接物理世界与信息世界之间的关键接口，传感器读出前端在拓展人工智能系统应用边界中的作用日益显著。如图1所示，传感器读出前端负责将物理量（如振动、磁力、压力、生物电等）经转换器转换后的微弱电信号，进行高精度转换与数字化，以供人工智能系统处理。对具身智能体而言，读出前端提供的高精度传感数据是AI模型理解环境深度与准...

2025-08-07

人工智能研究院杨耀东课题组ACL 2025最佳论文揭示大模型存在“抗改造”基因，现有后…

随着人工智能领域的快速发展，大模型的训练、数据处理和测评已成为研究热点。尽管当下的大模型已展现出惊艳的能力，但一个根本性问题仍未被真正解决：这些模型是否真正理解人类的指令与意图？当前大模型研究的主流观点认为，仅通过“99%的预训练+1%的后训练”便可使得大模型被对齐。但大模型真的能被对齐吗？人工智能研究院杨耀东课题组的最新研究为这一方向敲响警钟。2025年7月，研究团队论文“Language Models Resist Alignme...

2025-08-07

学术前沿 | 北京大学研究团队在《自然∙电子》发表国际首个大数据排序存算一体系统

近日，北京大学人工智能研究院及集成电路学院合作研究团队在Nature Electronics 杂志发表了题为 A fast and reconfigurable sort-in-memory system based on memristors 的论文，在国际上首次实现了面向高复杂度排序任务的存算一体化硬件系统。该研究工作提出了一个全新的、无需比较器的排序硬件架构，成功打破了存算一体技术难以处理排序等非线性计算的限制，标志着该领域实现从线性矩阵计算向非线性复杂任务的重大突破。图1 N...

2025-07-06

首页上页12345...16下页尾页