量子科技中心_量科网

格点场论（Lattice Field Theory, LFT）模拟是经典统计力学与量子场论研究的重要支柱，为粒子物理、核物理和凝聚态物理提供了统一的计算框架。然而，该方法在高维系统中的应用仍面临多重挑战：传统采样算法（如混合蒙特卡洛法HMC）存在计算成本过高与并行化受限的瓶颈，传统归一化流模型训练开销巨大，而数字硬件架构又存在固有能效劣势。该研究团队提出了一种软硬件协同设计方案，将自适应归一化流（ANF）模型与基于阻变存储器的神经微分方程求解器相结合，实现了高效的LFT构型生成。软件层面，ANF支持统计独立构型的高效并行生成以降低计算成本，低秩自适应技术（LoRA）则实现跨模拟参数的经济型微调；硬件层面，阻变存储器存内计算显著提升了并行性与能效比。通过在标量φ4理论和石墨烯导线有效场论中的验证，采用180纳米制程阻变存储器存内计算宏的混合模数神经微分方程求解器表明：该方案在集成自相关时间上较HMC分别降低约8.2倍和13.9倍，且通过LoRA仅需微调不足8%的权重。相较于尖端GPU方案，该协同设计在两任务中分别实现约16.1倍和17.0倍加速，能效比提升达73.7倍与138.0倍。