研究团队基于二硒化铪忆阻器，构建出兼容硅工艺的存算一体芯片，在保持传统数字系统精度的同时，将人工智能推理能耗降低到不足一半。

瑞典查尔姆斯理工大学研究人员利用范德华异质结构，将两种量子材料叠加，在无需外部磁场或强电流的情况下实现对电子自旋的高精度操控，并可在室温条件下工作。

研究人员利用被动衍射层与浅层神经网络协同工作，将结构振动编码为时空光学模式，并通过少量探测器与低功耗网络实现快速解码。

拉夫堡大学研究团队开发出一种基于忆阻器的水库计算芯片，利用材料本身的物理特性在硬件中直接处理时间序列数据，在特定任务上相较传统软件方法可实现最高约2000倍的能效提升。

研究团队提出通信感知型内存无线神经网络，将计算、存储与无线通信深度融合，有望在显著降低能耗的同时提升边缘设备与云端协同效率。