大部分的电子计算机都是把数据储存在储存器中，随后传送给CPU开展实际操作。用来“解决”数据信息的主题活动用时费力，被觉得是FenneNoyman测算构架的关键瓶颈。但人的大脑却不是这样，只是直接在记忆体中开展测算。因为具备“存算一体”发展潜力的记忆阻器，因而变成类脑测算行业的科学研究热点，所以脑机接口才会变成风口。
近期，清华微电子所，未来半导体技术高技术创新中心的钱鹤，及其吴华强的精英团队和合作方，在顶尖学术刊物、美国《自然》杂志在线论文发表，汇报了根据忆阻器阵列芯片卷积网络的硬件配置总体完成。
这类存算体系统软件在解决卷积和神经元网络(CNN)时，电力能源高效率比最优秀的图形处理器(GPU)要高2个量级，性能提升了将近四百倍。可以说在某种意义上提升了“冯诺依曼瓶颈”的局限性：在大大提高数学计算的同时，完成了更小的功能损耗，减少硬件配置成本费。忆阻器，全称记忆电阻器，是继电阻、电容器、电感器以后的第四种电源电路基础元器，它代表了磁通量和正电荷中间的关联，1985年，美国加州大学伯克利大学专家教授蔡少棠推测了它的存在。
简而言之，这类元器件的电阻随根据的电总流量而转变，即便电流量终止了，其电阻仍维持原先的值，直至接受到反方向电流量，其电阻才会修复，这等同于“记下”以前的电流量。这类提高是如何完成的？对于元器件原有缺点可能会导致鉴别准确度降低的难题，吴华强明确提出了一种只需小量图象样版的神经元网络混和训炼优化算法，并对上一层互联网的一部分权重值开展了调整。
另外，他们提出了一种并行处理体制，该体制将同样的卷积核纳入多个记忆器列阵中，这种忆阻器列阵能够并行处理地解决不一样的记忆键入块，提升并行度，以加快卷积计算。
这一奇妙的效果，实际上跟神经细胞的神经递质是一样的。除此之外，忆阻器还具备体型小、工作功能损耗低、可规模性集成化(三维集成化)等优势，因而，怪不得电子计算机专家觉得，忆阻器有“存算一体”和“功耗类脑测算”的市场前景。
当摩尔定律减慢时，测算界拭目以待新的系统架构将提升冯诺依曼瓶颈，结解决脑机接口日渐繁杂的难题。在这个过程中，忆阻器的存算一体系统软件将蓬勃发展。
各位读者，你们觉得呢？