研究人员在忆阻器技术方面取得了重大进展，提高了其精度和效率。这一创新有望弥合模拟和数字计算之间的差距，为人工智能、机器学习等领域提供更快、更节能的处理。来源:SciTechDaily.com

设计结合了最好的数字和模拟计算，并提供>10倍的能源效率。

虽然世界上的大多数计算仍然是数字化的，但我们周围的数据是通过传感器以模拟形式捕获的——例如，通过摄像头捕获的图像、温度和声音，为了精确起见，必须转换成数字形式。但想象一下，一辆自动驾驶汽车需要捕捉道路上的情况等，然后立即做出决定，这些数据需要快速转换，能耗低，精度高。如果新设计的模拟芯片既能提供数字计算的精度，又能提供模拟计算的节能和高速优势，那会怎么样?

忆阻器技术进展

如果计算机芯片是由各种电路组成的，那么忆阻器是电路中相对较小的元件，它可以非常有效地存储和处理数据。在南加州大学维特比工程学院电气与计算机工程教授J. Joshua Yang之前的一篇论文中，研究人员能够调整忆阻器以达到前所未有的精度。

他在南加州大学维特比分校及其高级计算学院的实验室专注于开发计算设备。该实验室设计了一种新的电路和架构，可以用相同的忆阻器实现更高的精度，这可以大大扩展这种技术的应用范围，超越传统的低精度领域，如神经网络。此外，杨说，这项创新也适用于其他类型的存储技术，包括使用与磁性硬盘驱动器的读头相同的设备的磁存储器，以及使用与cd光盘(cd)相同材料的相变存储器。

实现更快、更高效的计算

Yang说，通常情况下，对模拟设备进行快速精确编程以达到目标值是非常具有挑战性的。杨的实验室开发了电路架构和相应的算法来做到这一点。这一创新使得使用模拟设备的模拟计算对许多应用程序更具吸引力。杨说，它具有“更高的效率和更高的速度与数字系统的准确性。”

杨说，这种改进是至关重要的，因为这种创新可以应用于训练神经网络，这是开发人工智能(AI)和机器学习(ML)所需的，但到目前为止，只能在非常昂贵的数字系统中完成。这一创新还将使人工智能和机器学习之外的新应用成为可能，比如天气预报等科学计算。

参考文献:“任意高精度模拟计算的记忆电阻阵列编程”，作者:宋文浩，Rao Mingyi，李云宁，李can，卓烨，蔡福喜，吴明哲，尹文博，李宗泽，魏强，李尚秀，朱恒芳，龚磊，Mark Barnell, Wu Qing, Peter A. Beerel, Mike o-Wei，葛宁，胡淼，夏强飞，杨乔华，2024年2月22日，Science。DOI: 10.1126 / science.adi9405

《科学》杂志刊登了这篇论文，“为模拟计算编程具有任意高精度的忆阻器阵列”，由南加州大学的宋文浩、卓晔、Peter A. Beerel、Mike Shuo-Wei Chen、马萨诸塞大学的夏强飞、美国空军研究实验室的Mark Barnell和吴清共同撰写。这项研究是与杨先生共同创立的创业公司TetraMem Inc.的胡苗、葛兰和其他工程师一起进行的。

之前的一篇论文是在这个实验室之前的一篇论文的基础上进行的，这篇论文发表在《自然》杂志上。