在现代科学研究与工程应用中，傅里叶变换被视为处理声音、图像、时间序列等信号的关键工具。
它能够将复杂信号从时间或空间域转化到频率域，便于降噪、压缩、特征提取与计算优化，是通信系统、医学信号分析、工业检测以及智能算法训练与推理的重要基础算子。
然而，随着应用向实时化、移动化、多模态化发展，传统计算平台在速度、能耗与部署成本上的矛盾日益突出，如何在更低功耗下实现更高吞吐率，成为信息处理领域普遍面临的现实挑战。
问题在于，传统硅基器件经过长期演进已逼近物理与工艺极限，继续依靠制程微缩换取性能提升的空间不断收窄。
与此同时，新型计算场景不断涌现：端侧设备需要在有限电池容量下完成高并发信号处理，未来智能终端和行业设备对低时延、高可靠性的要求更为苛刻；在脑机接口等生理信号处理领域，长期稳定运行、降低系统功耗和减少维护更换频率，同样对底层算力体系提出更高标准。
这些都使得“既要算得快又要省电”的矛盾更加尖锐。
造成上述矛盾的原因，一方面在于硬件体系结构与应用需求之间出现“错位”。
硅基平台强调通用性，但在特定算子上往往需要付出较高的存储访问与数据搬运代价，互连与存储开销成为能耗和时延的重要来源。
另一方面，后摩尔时代的新型器件虽在某些物理机理上具备潜在优势，但长期面临一个关键掣肘：可支持的计算方式相对单一，难以覆盖真实场景中丰富多样的计算需求。
若无法扩展可支持的算子谱系，新器件难以从实验室走向系统级应用，更难在产业侧形成规模化落地。
针对这一“深水区”难题，北京大学人工智能研究院研究员陶耀宇、集成电路学院教授杨玉超等组成的团队将突破口瞄准通用性强、应用面广的傅里叶变换，提出面向新型器件的多物理域融合计算架构思路：把复杂计算流程拆分到更适配的物理域中完成，使不同器件各展所长、互补协同。
团队将易失性氧化钒器件与非易失性氧化钽/铪器件进行系统级异质集成，通过架构设计把频率生成与调控、存算一体等能力协同起来，形成可面向傅里叶变换等多样化计算方式的硬件系统，力图在“可用算子更丰富、计算更高效、系统更易扩展”之间取得平衡。
从影响看，这一成果不仅是单项指标的提升，更体现了计算范式的变化。
公开信息显示，该架构在傅里叶变换精度上达到99.2%，实验与仿真结果表明吞吐率最高可达504.3GS/s，相比先进硅基实现有显著提升，能效提升幅度更为可观，同时有助于降低存储与互连资源消耗。
更关键的是，这种以多物理域协同为核心的设计路径，为后摩尔器件从“做得到”走向“用得好”提供了可复制的技术思路，有望推动新器件在系统层面实现稳定可用的算力供给。
在对策层面，业内普遍认为，新型器件要真正服务产业应用，必须从器件、电路、架构到系统软硬件协同推进：既要在器件层面形成可制造、可规模化的工艺与一致性能力，也要在架构层面解决算子适配与扩展问题，并通过算法与编译工具链降低应用迁移成本。
此次北大团队围绕“算子谱系扩展”开展的长期攻关，体现出以应用牵引基础研究、以系统目标倒逼器件与架构协同的路线，对相关领域具有示范意义。
展望前景，随着端侧智能、通信系统升级、自动驾驶感知融合以及大模型推理需求的增长，低延迟、低功耗、高吞吐的信号处理与计算将成为基础设施的一部分。
多物理域融合的异质集成架构，若能在可靠性、工程化、可量产与生态适配上持续突破，有望在具身智能终端、脑机接口生理信号处理、通信与雷达等场景中释放更大价值，并为构建面向未来的算力底座提供新的技术选项。
受访专家也期待相关成果加速走向应用验证，服务产业升级与高质量发展。
科技创新永无止境，算力突破任重道远。
北大团队的这一突破性成果，不仅为解决当前算力瓶颈提供了新思路，更为后摩尔时代的技术发展探索了新路径。
面向未来，如何将实验室的创新成果转化为产业化应用，如何在全球科技竞争中保持领先优势，仍需要产学研各界的持续努力和协同创新。
唯有如此，才能真正筑牢国家"智算根基"，为建设科技强国贡献更大力量。