存算一体

中国团队在忆阻器存算一体芯片新架构领域取得新进展

中国研究团队在忆阻存算一体技术领域取得新进展

中国团队在感存算一体领域取得重要进展

由非易失性存储器构成的交叉阵列利用物理定律的原位计算来实现高能效神经网络是打破传统的冯诺依曼架构计算瓶颈的关键路径。然而，目前所有存储体系的阵列计算结果需要利用大量外围电路进行激活后才能有效执行运算任务，增加了系统功耗，成为了存算一体技术进入产业化的主要挑战。如果利用新型电子器件本身即可实现运算结果激活，不但大幅降低功耗解决瓶颈问题，并有利于减少资源使用，将对发展更高效率更通用的新型计算技术具有重要意义。

对生物大脑定位能力的模仿，常被应用于车辆检测、虚拟听觉系统等场景。随着摩尔定律逐渐放缓，传统硬件平台难以满足实时定位场景中不断增长的算力需求。近年来备受关注的存算一体类脑计算技术，能够大幅度减少数据在存储与计算单元之间的传输开销，有望突破存储墙瓶颈的限制，实现算力的大幅提升。然而，与分类任务不同，定位任务的输入信息和检测位置均为连续值，对计算硬件平台自身非理想因素的容忍度较低。迄今为止，如何高效实现声音定位一直是国内外关注的热点问题。