聽幾個音符便能喚起整首歌，一瞥之間便能認出一張臉，這種聯想記憶是大腦的天然能力，但要讓電腦晶片做到同樣的事，一直是類腦計算領域的難題。香港大學工程學院團隊與惠普實驗室合作，開發出一種憶阻器晶片，首次突破聯想記憶的容量上限，在賦予電腦從部分線索中回憶出完整信息的能力的同時，即使部分硬體失效仍能保持可靠運行。

團隊指出，這項突破為以記憶為中心的人工智能，提供了穩健、低功耗神經形態硬體的新發展方向。\大公報記者 郭如佳

相關成果已發表於《自然—通訊》。傳統電腦記憶體必須準確知道信息儲存位置才能讀取，而聯想記憶是透過「內容」來檢索資訊，是模式補全和辨識以來的核心能力；這種聯想記憶的容量長久以來受到網絡規模限制，儲存的模式越多，就越容易混淆，亦必須建立更大的網絡。港大先進半導體與集成電路中心副主任、電機與計算機工程系副教授李燦與博士研究生賀誠平的研究證明，一種硬體自適應學習演算法能夠突破這一上限，關鍵在於「不對抗缺陷，而是接納缺陷」。團隊在訓練過程中測量每塊晶片的真實裝置缺陷並進行補償，結合多層網絡設計，使系統在真實硬體上實現了超線性擴展。

數據顯示，同一系統處理二進位和連續值資料時，所需裝置數量減少多達95%，晶片的儲存容量則保持了先前最先進設計的約兩倍，容量成長速度超過網絡本身規模的成長，這是傳統單層設計無法做到的。此外，該晶片利用憶阻器交叉陣列的並行性，可一次更新整個網絡，因此與傳統方法相比，回憶時間縮短多達99.7%，能源效率提升8.8倍。這些結果已在一塊圍繞64×64憶阻器陣列構建的完全整合晶片上得到了驗證。

有望用於傳感器和穿戴裝置

李燦表示，真正的硬體從不完美，因此不應去對抗缺陷，而是教會系統接納它們；新技術透過演算法與硬體協同設計，能夠儲存更多的記憶，並在裝置失效時保持可靠，這些特質正是將類腦運算帶入現實世界所需要的。團隊指，這項突破對於需要遠離數據中心、在嚴格功耗限制下運作的智慧邊緣設備，例如傳感器和穿戴式裝置，尤其具備應用潛力。