各种复杂映像的指数级增长给存储系统带来了巨大压力。

北京大学Lifeng Liu和Peng Huang等提出了一种基于忆阻器的存储系统，该系统集成了基于近存储内存计算的卷积自动编码器压缩网络，以提高图像压缩/检索的能效和速度，并提高存储密度。

本文要点：

（1）

作者采用4位忆阻器阵列来实验演示系统的功能。为了提高系统性能，作者提出了一种分步量化感知训练方案和转置卷积的等效变换。该系统在ImageNet和Kodak24数据集的压缩和解压缩中表现出高（>33 dB）峰值信噪比。

（2）

基准测试比较结果表明，与基于服务器级中央处理器/基于图形处理器的处理系统相比，基于4位忆阻器的存储系统的延迟和能耗分别降低了20倍/5.6倍和180倍/91倍以上，存储密度提高了3倍以上。基于4位忆阻器的存储系统的延迟和能耗分别降低了20倍/5.6倍和180倍/91倍以上，存储密度提高了3倍以上。

参考文献:

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