传统的计算机采用的是以中央处理器为核心的冯诺依曼架构。在该架构中，存储和计算的功能分别由中央处理器和存储器完成。中央处理器从存储器中读取数据进行运算，完成后将结果写回存储器进行存储，导致数据搬运的冯诺依曼瓶颈。伴随着新型非易失存储器工艺的成熟和研究的深入，存算一体概念也越来越受到重视。近日，针对以上计算架构瓶颈以及新型非易失存储器的存算一体应用，北京大学与北京科技大学的科研团队合作撰写了题为“In-memory computing with emerging nonvolatile memory devices”的专题综述，发表在《SCIENCE CHINA Information Sciences》杂志。

综述梳理了一系列具有代表性的非易失存储器件，包括阻变式存储器、相变存储器、铁电场效应晶体管、闪存等。面向存内计算的要求，从这些存储器件的材料、机理和集成工艺角度出发，分析了器件和阵列性能的优化方向。此外，综述详细梳理了近年来新型非易失存储器在存内计算应用上的最新进展，包括人工神经网络、脉冲神经网络、数字逻辑运算及硬件安全等，并分析总结了神经网络应用在推断、训练的不同应用方式上对器件性能的要求。基于目前的研究进展，作者讨论了存内计算在应用方面的主要挑战，并展望了未来新型非易失存储器在存内计算方面的潜力。

论文链接：https://www.sciengine.com/publisher/scp/journal/SCIS/64/12/10.1007/s11432-021-3327-7?slug=fulltext

注：此研究成果摘自《SCIENCE CHINA Information Sciences》杂志，文章内容不代表本网站观点和立场，仅供参考。