速度提升44%，节能153倍，清华使用内存计算硬件高效标记数据

本文介绍了清华大学团队在《Nature Computational Science》上发表的一项研究，提出了一种基于忆阻器的深度贝叶斯主动学习（DBAL）方法，旨在解决传统标记数据过程中耗时、劳动密集且成本高昂的问题。研究团队利用忆阻器的随机特性，开发了一种内存计算（CIM）框架内的原位学习方法，显著提升了数据处理速度和能效。与传统的CMOS硬件相比，新方案实现了44%的速度提升和153倍的能源节省。此外，研究还展示了该方法在机器人技能学习任务中的应用，证明了其在减少标记数据需求和提高学习效率方面的潜力。研究结果为未来在更广泛的任务和现实环境中验证该方法提供了基础，并指出了进一步探索忆阻器技术集成和优化的方向。