存算一体计算架构在存储单元器件中直接完成计算，省去了计算过程中数据搬运的过程，有望彻底解决传统冯诺伊曼计算架构的存储墙问题，能够极大提高计算并行度和能效，特别适用于深度学习神经网络这种大数据量、大规模并行的应用场景，因此受到了产业界和学术界的广泛关注和研究。

今年1月，清华大学微电子所钱鹤、吴华强教授团队与合作者在《自然》在线发表了题为“Fully hardware-implemented memristor convolutional neural network”的研究论文，报道了基于忆阻器阵列芯片卷积网络的完整硬件实现。，基于多个忆阻器阵列的存算一体系统，在处理卷积神经网络时的能效比图形处理器芯片（GPU）高两个数量级，大幅提升了计算设备的算力，实现了以更小的功耗和更低的硬件成本完成复杂的计算。

11月4日，智东西公开课邀请到本论文第一作者、清华大学微电子所博士姚鹏，将就《基于忆阻器的存算一体芯片与系统》这一主题带来深度讲解。

姚鹏博士将从集成电路与人工智能的背景、AI硬件面临的挑战和存算一体技术出发，详解其基于忆阻器的存算一体技术的研究成果和未来研究方向。