智能设备普及带来海量数字信息，不仅消耗能源，还降低数据传输速度。随着人工智能在各行业广泛应用，解决数据处理的能耗与效率问题愈发紧迫。马萨诸塞大学阿默斯特分校研究团队正探索利用忆阻器，通过传统模拟计算新技术应对这一挑战。与此同时，芬兰坦佩雷大学、南加州大学和TetraMem公司的夏及其同事，开发出受大脑启发的传感系统，该系统结合触摸传感器与智能存储芯片，仅在必要时反应，大幅提升了能源效率与计算速度。

夏教授表示：“我们的研究目标是降低功耗、延迟和硬件复杂性。”基于忆阻器的触觉传感器，能精准处理包含信号的像素周围数据，忽略无关背景噪声，以87%–92%的准确率识别模式，比传统计算方法更快、更节能。夏教授还设想，此技术可应用于基于事件的视觉传感器，如在交通监控中，根据不同时段交通流量调整拍摄帧率，避免资源浪费。

不仅如此，夏教授当天在《自然电子学》杂志发表第二篇论文，展示基于忆阻器的仿生人工智能硬件——细胞神经网络(CeNN)的概念验证设计。CeNN灵感源于视网膜，其硬件中重复“单元”仅与最近相邻单元连接，忆阻器充当不同单元间突触，简化电路布线，大幅降低数据传输能耗。夏教授称：“每个单元处理一个像素并同时处理，在延迟方面带来巨大优势。”

更多信息：作者：Wuyu Zhao等人，标题：《基于事件的神经形态传感系统：柔性触觉传感器与芯片上的忆阻系统》，发表于：《自然·传感器》(2026)。期刊信息：《自然·传感器》