研究进展：忆阻器芯片-实时信号处理 | Science Advances

本文介绍了南加州大学团队在Science Advances上发表的研究，他们开发了一种基于忆阻器的模拟片上系统（SoC），用于实时信号处理。该系统通过结合离散傅里叶变换（DFT）和卷积神经网络（CNN）的融合网络，显著提升了信号处理的能效。研究背景源于冯·诺依曼瓶颈导致的计算硬件和存储系统能量消耗问题。研究目的是通过忆阻器的存内计算，提供一种高效的替代方案。实验结果显示，该SoC在音频信号处理中实现了33.49dB的峰值信噪比，并在语音数字识别中达到了94.72%的准确率。此外，视频边缘检测的质量超过了30dB。与传统GPU相比，能效提升了49倍。结论表明，该系统为物联网和边缘计算提供了低功耗解决方案，并展示了忆阻器在复杂信号处理中的潜力。