各種復雜映像的指數級增長給存儲系統帶來了巨大壓力。
北京大學Lifeng Liu和Peng Huang等提出了一種基于憶阻器的存儲系統，該系統集成了基于近存儲內存計算的卷積自動編碼器壓縮網絡，以提高圖像壓縮/檢索的能效和速度，并提高存儲密度。
本文要點：
（1）
作者采用4位憶阻器陣列來實驗演示系統的功能。為了提高系統性能，作者提出了一種分步量化感知訓練方案和轉置卷積的等效變換。該系統在ImageNet和Kodak24數據集的壓縮和解壓縮中表現出高（>33 dB）峰值信噪比。
（2）
基準測試比較結果表明，與基于服務器級中央處理器/基于圖形處理器的處理系統相比，基于4位憶阻器的存儲系統的延遲和能耗分別降低了20倍/5.6倍和180倍/91倍以上，存儲密度提高了3倍以上。基于4位憶阻器的存儲系統的延遲和能耗分別降低了20倍/5.6倍和180倍/91倍以上，存儲密度提高了3倍以上。
參考文獻:
Feng, Y., Zhang, Y., Zhou, Z. et al. Memristor-based storage system with convolutional autoencoder-based image compression network. Nat Commun 15, 1132 (2024).
DOI: 10.1038/s41467-024-45312-0
https://doi.org/10.1038/s41467-024-45312-0
