近日，清華大學積體電路學院教授吳華強、副教授高濱團隊基於存算一體運算範式，研發出全球首顆全系統整合的、支援高效片上學習（機器學習能在硬體端直接完成）的憶阻器存算一體晶片，在支援片上學習的憶阻器存算一體晶片領域取得重大突破，有望促進人工智慧、自動駕駛穿戴裝置等領域發展。相關成果在線發表於最新一期的《科學》。

目前國際上的相關研究主要集中在憶阻器陣列層面的學習功能演示，然而實現全系統整合的、支援高效片上學習的憶阻器晶片仍面臨較大挑戰，至今尚未實現，主要在於傳統的反向傳播訓練演算法所要求的高精度權重更新方式與憶阻器實際特性的適配性較差。

據了解，面向傳統存算分離架構制約算力提升的重大挑戰，吳華強、高濱創造性提出適配憶阻器存算一體，實現高效片上學習的新型通用演算法和架構（STELLAR），有效實現大規模模擬型憶阻器陣列與CMOS的單片三維集成，透過演算法、架構、集成方式的全流程協同創新，研製出全球首顆全系統集成的、支援高效片上學習的憶阻器存算一體晶片。

此晶片包含支援完整片上學習所需的全部電路模組，成功完成影像分類、語音辨識和控制任務等多種片上增量學習功能驗證，展現出高適應性、高能效、高通用性、高準確率等特點，有效強化智慧型裝置在實際應用情境下的學習適應能力。在相同任務下，此晶片實現片上學習的能耗僅為先進製程下專用積體電路（ASIC）系統的3%，展現出卓越的能效優勢，極具滿足人工智慧時代高算力需求的應用潛力，為突破馮諾依曼傳統運算架構下的能源效率瓶頸提供了創新發展路徑。