香港大学，今日重磅Nature！

背景: 医学成像、增强现实与虚拟现实以及具身人工智能等应用依赖于从稀疏观测中重建复杂信号，但面临观测数据不完整和计算资源有限的问题。传统的数字硬件方案在信号表示、数据搬运和并行计算效率等方面存在多重瓶颈。研究目的: 香港大学、中国科学院微电子研究所、复旦大学及南方科技大学的研究者提出了一种统一的软件-硬件协同设计框架，旨在利用阻变存储器存内计算硬件，实现面向稀疏输入的高效、高精度神经场重建，以模拟人脑低能耗处理稀疏信息的能力。结论: 该方案在软件层面采用神经场作为隐式信号表示，并结合低秩分解与结构化剪枝；在硬件层面构建了基于40 nm工艺的混合模拟-数字计算系统，利用阻变存储器的固有随机性实现高斯编码，并引入硬件感知量化方法进行高精度计算。在三维CT重建、新视角合成等任务上的验证表明，该系统相比先进GPU可实现高达32.3倍的能效提升，同时重建质量与纯软件基线相当，为解决信号重建问题提供了可扩展的技术路径。