.png){kind=icon}
返回
Resistive memory-based neural differential equation solver for score-based diffusion model
.png){kind=icon}
OA
AI
DOI：10.1038/s41467-026-72900-z.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
虽然AI生成内容（AIGC）致力于模仿人类想象力，但当前基于分数扩散等模型仍存在速度慢、能耗高的问题。这种低效源于传统数字计算机中物理分离的存储与处理单元导致的数据传输瓶颈，以及离散操作破坏了自然连续的生成动态。本文提出一种仿生、模拟的存内计算系统，通过电阻式存储器将存储与计算集成，实现时间连续的神经微分方程求解器。我们使用180 nm电阻式存储器存内计算宏对方案进行实验验证。在保持与软件基线相当的生成质量的同时，本系统相较于先进数字硬件，分别将无条件生成和条件生成任务的加速比提升至69.0倍和116.5倍，并分别降低能耗31.5%和52.0%。该方法拓展了边缘计算中生成式AI应用的硬件解决方案前景。尽管复制人类大脑的想象力一直是AI的核心目标，但当前系统在速度和效率上仍受限。Yang等人提出基于电阻式存储器的硬件平台，实现高速、低功耗的AI内容生成，同时完全保留输出质量。
Keyword:
Resistive memory
In-memory computing
Neural differential equation
Score-based diffusion model
Generative AI
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
15.7
论文数:
9.4W
被引数:
91.2W
机构
查看更多机构
引用论文
暂无论文信息