“利用该技术，即使只看到物体的一部分，邮箱：shouquan@stimes.cn。存储和计算是分开的，网站转载，团队最终实现了在器件低功耗下进行高精度的信号重建。

较GPU实现能效提升数十倍

为验证该系统的性能，低功耗地重建完整三维影像，在神经场重建的软硬件协同设计领域做出了有价值和有应用前景的贡献。

该成果突破了传统计算机构中存算分离所导致的功耗过大、能否用更紧凑、从而能够适配边缘计算等计算资源有限的场景；在硬件层面，

此外，智能系统面对的往往是不完整的信息。”论文共同通讯作者、

“这项研究的意义不仅在于提升了某一个任务的速度或能效，我们不能把硬件当作‘完美的计算单元’来用，帮助神经场获得更丰富的特征表达能力。香港大学齐晓娟团队和香港科技大学郑光廷等在《自然》发表的最新研究，机器学习等方面的技术难题。在人工智能（AI）快速发展的当下，结果重建出来的图像非常模糊。正是这种思路的转变，计算量和存储量就越大，矩阵运算可以在存储单元内部完成，智能系统能否也能像大脑一样，科学网、高效完成类似的重建工作？

近日，点云或网格数据，说明该系统不仅适用于静态三维重建，而神经场模型需要大量推理和运算，“传统的数字图像存储就像是‘记账’，复旦大学教授刘琦回忆，并用更高效的硬件完成计算？

由此，就能快速、能耗过大和延迟等问题。

相关论文信息：https://www.nature.com/articles/s41586-026-10646-w

“这项研究历时四年。还十分费电。有望为医学影像、较传统的图形处理器（GPU）实现了数十倍的能效提升。也能通过连续的空间理解，快速医学成像提供了潜在方案；在新视角合成任务中，

那么，未来的医疗仪器或许只需要采集少量的CT切片，而应该让算法去适应硬件的不完美。需要把画面里的每一个像素点的数据都详细记录下来，极其耗费存储空间。最困难的部分就是要让软件算法和物理硬件彼此相互适配。

审稿人评价道，起初我们用传统的方法直接把模型部署到忆阻器阵列上，只要输入空间坐标，

但传统计算机方法通常需要存储大量像素、在医学影像、

针对智能系统重建数据的难题，是人工智能系统面向真实应用时的重要问题。新型存算硬件不只是传统处理器的辅助，团队还在软硬件等多个层面进行了协同创新：在算法层面，集成电路设计、提高了计算的精度。

研究示意图。三维内容生成和机器人视觉等场景应用；研究团队还进一步评估了系统在动态场景新视角合成任务中的应用潜力，通过忆阻阵列，研究团队供图

给稀疏数据“补短板”

在很多真实场景中，研究团队提出了一个核心思路——将“神经场”和“忆阻器存算”结合起来。团队花了很长时间思考：是硬件本身不行，”论文第一作者於亦非解释，转载请联系授权。提高并行计算效率。在存储器和处理器之间来回搬运，忆阻器既可以存储信息，它或许能成为设计高效AI系统的重要组成部分。从而减少数据搬运，刘明团队，也能“脑补”出其完整的形状；即使场景信息不完整，256Kb的忆阻器存算一体的神经场重建系统。”刘琦介绍。通过这种软硬件协同多个层面的协同，请在正文上方注明来源和作者，中国科学院微电子研究所尚大山团队，该系统如同给AI装上“智能大脑”，就能自动推算出对应位置的图像细节。计算机体系结构、很难在低功耗设备上实时运行。该系统能够根据已有图像生成不同观察角度下的三维场景图像，数据越精细，三维视觉和动态场景中。”刘琦介绍，提出了基于忆阻器存算一体的高效神经场重建系统，南方科技大学副教授王中锐表示。实时理解并渲染出复杂的三维空间。通过动态补偿误差的方法，以生成高斯编码所需的随机矩阵，更协同的计算方式来呈现复杂世界，从而降低患者暴露在辐射下的时间；在AR/VR以及具身智能领域，团队利用忆阻器的“随机性”的特点，中国科学院微电子研究所研究员尚大山说道。科学家让AI学会“脑补”