【產(chǎn)通社，9月20日訊】香港中文大學(xué)（ Chinese University of Hong Kong，CUHK）官網(wǎng)消息，其電子工程學(xué)系領(lǐng)導(dǎo)的合作研究團隊，最近發(fā)表一項突破性研究成果，通過主動應(yīng)用憶阻器固有的隨機開關(guān)特性，成功研發(fā)一種輕量、高容錯的隨機運算架構(gòu)，能顯著提升邊緣設(shè)備[1]的視覺處理效能，適用于自動駕駛、虛擬及擴增實境穿戴裝置和醫(yī)療影像設(shè)備等多種應(yīng)用場景，為資源受限環(huán)境下的人工智能提供創(chuàng)新硬件解決方案。有關(guān)成果已于國際研究期刊《自然通訊》（Nature Communications）刊登。

憶阻器（Memristor），全稱為記憶電阻器，是新世代微電子元件，具有極低能耗及同步儲存與運算數(shù)據(jù)的能力，為推動未來AI計算發(fā)展的關(guān)鍵技術(shù)之一。然而，其固有的電學(xué)開關(guān)隨機性一直被視為精密運算的干擾因素，過往研究多集中于抑制該特性以提升準(zhǔn)確度。

逆向思維 化隨機性為優(yōu)勢

研究團隊另闢蹊徑，主動利用憶阻器的固有隨機性，提出一種基于概率原理的隨機運算架構(gòu)，實現(xiàn)更輕量化且高度容錯的圖像處理方案。

為驗證此概念，團隊利用憶阻器構(gòu)建的概率邏輯進行邊緣檢測[2]，通過提取圖像中的輪廓和紋理等基本視覺線索，幫助人類或機器理解圖像并作出初步?jīng)Q策。圖像處理通常涉及大量矩陣乘法與梯度計算，若使用傳統(tǒng)二進制運算，會造成大量能源消耗及延遲，難以在資源有限的邊緣視覺場景中應(yīng)用。此外，傳統(tǒng)計算方式對數(shù)據(jù)精度要求較高，容易受到周圍環(huán)境中噪聲或干擾影響，導(dǎo)致計算錯誤。

新的隨機運算架構(gòu)則將數(shù)據(jù)轉(zhuǎn)化為0與1的隨機序列，以概率方式執(zhí)行邏輯運算。這種數(shù)據(jù)表示方式天然具有容錯性，因為成對的比特翻轉(zhuǎn)（即因干擾導(dǎo)致數(shù)據(jù)中的0和1意外反轉(zhuǎn)的錯誤）造成的影響可以相互抵消。此方法更貼近人類視覺與AI決策特性，為各類邊緣設(shè)備的實時分析與計算提供強大支援。

能耗降低95% 容錯能力達50%  助力自動駕駛與醫(yī)學(xué)影像診斷

研究團隊設(shè)計了應(yīng)用憶阻器特性的隨機數(shù)編碼器，并與邏輯運算結(jié)合，構(gòu)建出輕量化的隨機邏輯單元。隨機數(shù)編碼器將數(shù)據(jù)編碼為具良好可控性的隨機數(shù)，進行基于概率的邏輯運算。團隊以「羅伯茨交叉算子[3]」進行實體測試，成功提取圖像的輪廓和紋理。測試結(jié)果顯示，新技術(shù)可將能耗降低多達95%，即使在容忍50%位元錯誤的情況下，仍能維持穩(wěn)定的圖像處理效果，展現(xiàn)出卓越的能源效率與系統(tǒng)韌性。

論文通訊作者、中大電子工程學(xué)系助理教授胡國華教授表示：「目前研究成果令人鼓舞，惟要實現(xiàn)大規(guī)模應(yīng)用，仍需克服多項挑戰(zhàn)，包括憶阻器與周邊電路的整合，以及大規(guī)模電路集成的操作問題。此外，憶阻器的產(chǎn)品質(zhì)素亦是大規(guī)模應(yīng)用的關(guān)鍵問題，不同元件間的制造差異亦會對技術(shù)的可靠性與和效能造成明顯影響�！�

論文第一作者宋樂凱博士表示，未來將就憶阻器、隨機數(shù)編碼器及周邊電路進行整合與優(yōu)化，并透過硬件與演算法的協(xié)同設(shè)計，以解決電路噪音與延遲等問題，進一步提升系統(tǒng)穩(wěn)定性與擴展性。盡管如此，研究團隊認(rèn)為此技術(shù)將為自動駕駛、虛擬實境（VR）、擴增實境(AR)，以至醫(yī)學(xué)影像診斷等，需要輕量化計算及高容錯的邊緣視覺AI系統(tǒng)，開闢嶄新的發(fā)展路徑。

查詢進一步信息，請訪問官方網(wǎng)站http://www.cpr.cuhk.edu.hk/sc/news-centre/press-releases，以及https://www.nature.com/articles/s41467-025-59872-2。（Robin Zhang，產(chǎn)通數(shù)造）    （完）