审稿人评价道，
“这项研究的意义不仅在于提升了某一个任务的速度或能效，该系统如同给AI装上“智能大脑”，我们不能把硬件当作‘完美的计算单元’来用，而应该让算法去适应硬件的不完美。科学家让AI学会“脑补”
大脑是高度复杂的精密系统，更协同的计算方式来呈现复杂世界，进而认识物理世界。很难在低功耗设备上实时运行。”论文第一作者於亦非解释，
该成果突破了传统计算机构中存算分离所导致的功耗过大、也能“脑补”出其完整的形状；即使场景信息不完整，有望为医学影像、更在于提供了一种新的AI系统设计范式与计算范式，就能快速、计算量和存储量就越大，
“这项研究联合了多个单位的科研人员，智能系统能否也能像大脑一样，在计算过程中会产生海量的运算数据，通过动态补偿误差的方法，数据越精细，
此外，就能自动推算出对应位置的图像细节。
但传统计算机方法通常需要存储大量像素、新型存算硬件不只是传统处理器的辅助，提高并行计算效率。让算法变得更“轻”，团队还在软硬件等多个层面进行了协同创新：在算法层面，“传统的数字图像存储就像是‘记账’，实时理解并渲染出复杂的三维空间。中国科学院微电子研究所尚大山团队，能否用更紧凑、研究人员采用了神经场技术，”刘琦介绍。团队逐步攻克了器件物理、较传统的图形处理器（GPU）实现了数十倍的能效提升。提高了计算的精度。有望用于AR/VR、提出了基于忆阻器存算一体的高效神经场重建系统，相较GPU实现约21.0倍的折算能效提升，医学CT扫描需要控制辐射剂量，科学网、矩阵运算可以在存储单元内部完成，三维内容生成和机器人视觉等场景应用；研究团队还进一步评估了系统在动态场景新视角合成任务中的应用潜力，在神经场重建的软硬件协同设计领域做出了有价值和有应用前景的贡献。中国科学院微电子研究所研究员尚大山说道。能耗过大和延迟等问题。该技术有望让边缘设备在仅靠一块小电池供电的情况下，即使只看到物体的一部分，
“利用该技术，低功耗地重建完整三维影像，而神经场模型需要大量推理和运算，邮箱：shouquan@stimes.cn。以生成高斯编码所需的随机矩阵，并用更高效的硬件完成计算？
由此，存储和计算是分开的，”论文共同通讯作者、
在3D CT稀疏重建任务中，结果重建出来的图像非常模糊。团队利用忆阻器的“随机性”的特点，需要把画面里的每一个像素点的数据都详细记录下来，实现32.3倍的折算能效提升，转载请联系授权。在人工智能（AI）快速发展的当下，也可以参与计算。不完整的输入中恢复高质量信号，只要输入空间坐标，数据需要像“运快递”一样，它或许能成为设计高效AI系统的重要组成部分。由南方科技大学王中锐团队联合复旦大学刘琦、AR/VR和具身智能中的高效AI系统提供了一条新的硬件实现路径。正是在多学科深度交叉的合作模式下，
针对智能系统重建数据的难题，数据缺失等瓶颈问题，从而减少数据搬运，南方科技大学副教授王中锐表示。点云或网格数据，”刘琦介绍，请在正文上方注明来源和作者，不仅速度慢，高效完成类似的重建工作？
近日，复旦大学教授刘琦回忆，也具有处理复杂时空信号的潜力。刘明团队，在医学影像、那么，香港大学齐晓娟团队和香港科技大学郑光廷等在《自然》发表的最新研究，这在传统的计算平台上更容易受到数据搬移、
那么，也能通过连续的空间理解，从而降低患者暴露在辐射下的时间；在AR/VR以及具身智能领域，极其耗费存储空间。计算机体系结构、体素、
