清华大学微电子所、未来芯片技术高精尖创新中心钱鹤、吴华强教授团队在《自然》（Nature）杂志发表研究成果：基于多阵列忆阻器的存算一体系统，处理卷积神经网络（CNN）时的能效比当时先进的GPU芯片（NVIDIA Tesla V100）高两个数量级。
研究团队采用多个包含2048个忆阻器（具备8种电导态）的阵列，构建了五层卷积神经网络进行图像识别，精度与Google TensorFlow软件实现相当。该系统以忆阻器替代经典计算机底层的晶体管，以更小的功耗和更低的硬件成本大幅提升算力。
忆阻器阵列以物理方式直接完成矩阵乘法——这正是神经网络计算的核心运算：将矩阵值映射为器件电导值、输入向量作为电压，依托欧姆定律与基尔霍夫定律在阵列内一步完成矩阵向量乘加，单个忆阻器可同时承担多比特乘法器、加法器与存储单元的功能。
这一工作发表后引发国际关注，被认为是存算一体计算从器件演示走向系统级验证的重要里程碑，也为后续清华团队研制全系统集成片上学习芯片（2023年Science成果）奠定了器件与阵列基础。