研究前沿：香港大学 忆阻器-储层图神经网络 | Nature Computational Science

本研究背景在于传统的第一性原理方法（如密度泛函理论）在大规模系统模拟中面临巨大的计算成本和能效限制。研究目的是提出一种基于电阻存储器的储备池图神经网络（RGNN）软硬件协同设计方案，以高效模拟离子和电子相互作用。研究结论表明，该方案在原子力、哈密顿量和基态波函数预测任务中，显著降低了计算成本和训练能耗，同时保持了与传统方法相当的精度，为大规模材料模拟提供了新范式。