人工智能（ai）边缘设备更倾向于采用高容量非易失性内存计算（cim）来实现高能效和足够准确的快速唤醒响应。大多数先前的工作要么依据基于忆阻器的cim，要么依据数字静态随机存取存储器（sram）的cim。但前者耐用性有限并出现精度损失且不支持训练，而后者受限于大面积制造需求和易失性存储。
研究组报道了一种使用忆阻器-sram cim融合方案的ai边缘处理器，可同时利用数字sram cim的高精度和电阻式随机存取存储器忆阻器cim的高能效与存储密度。这也使自适应本地训练能够适应个性化特征和用户环境。
该融合处理器实现了高cim容量、短唤醒-响应延迟（392微秒）、高峰值能效（77.64 tops/w）和稳健的精度（精度损失<0.5%）。该研究表明，忆阻器技术已经超越了实验室开发阶段，现已具备用于ai边缘处理器的可制造性。
相关论文信息：
https://doi.org/10.1126/science.adf5538