南科大复旦等单位最新Nature！

本研究背景为医学影像、增强现实和具身AI等领域对从稀疏观测数据重建复杂信号的需求，传统数字硬件面临采样存储资源高、冯·诺依曼架构功耗瓶颈及并行效率低等问题。研究目的为设计一套面向稀疏信号重建的软硬件协同优化框架，突破传统瓶颈。研究结论为南方科技大学与复旦大学等团队提出基于隐式神经场和忆阻器存算一体平台的方案，算法通过低秩分解和剪枝压缩模型，硬件利用忆阻器本征随机性构建物理高斯编码器，并设计硬件感知量化与可变电流乘法放大电路补偿写入误差。在3D CT稀疏重建、新视角合成及动态场景任务中，该系统相比GPU分别提升23.5、21.0和32.3倍能效，展示了全链条协同优化在高效AI系统中的潜力。