基于电阻存储的高效精确神经场重建

原文约300字，阅读约需1分钟。发表于：。

我们提出了一种软硬件协同优化的系统方法，用于从稀疏输入中进行信号重建，软件层面上使用神经场通过神经网络隐式表示信号，并使用低秩分解和结构化剪枝进一步压缩；硬件层面上，设计了一种基于可变电阻存储器的计算内存（CIM）平台，其中包括高斯编码器（GE）和多层感知器处理引擎（PE）。此工作推进了以人工智能为驱动的信号恢复技术，并为未来高效稳健的医疗人工智能和三维视觉应用铺平了道路。

我们提出了一种软硬件协同优化的系统方法，用于从稀疏输入中进行信号重建。软件层面上使用神经场通过神经网络隐式表示信号，并使用低秩分解和结构化剪枝进一步压缩。硬件层面上，设计了一种基于可变电阻存储器的计算内存平台，包括高斯编码器和多层感知器处理引擎。此工作推进了以人工智能为驱动的信号恢复技术，并为未来高效稳健的医疗人工智能和三维视觉应用铺平了道路。