南方科技大学深港微电子学院王中锐副教授课题组与合作者提出基于忆阻器存算一体的高效神经场重建系统，面向医学影像、AR/VR和具身智能等应用中的稀疏信号重建需求，成果发表于《自然》（Nature）。
研究团队利用忆阻器本征随机性实现高斯编码，将器件随机电导分布转化为有用的物理随机资源；基于40nm 256Kb忆阻器存算一体宏单元构建硬件平台，在3D CT稀疏重建、新视角合成等任务中，相较GPU实现约23.5倍、21.0倍和32.3倍的折算能效提升。
所谓“神经场重建”，是指利用神经网络从稀疏观测中恢复连续的三维场景或信号。传统方法需要在GPU上反复迭代求解，能耗高、延迟大；而忆阻器阵列可以一步完成神经场渲染中密集的大规模矩阵运算。
该系统能够根据有限数量CT切片恢复较完整三维医学影像，为低剂量、快速医学成像提供了潜在方案，并展示了处理复杂时空信号的扩展能力，为AI for Science提供了新的硬件路径。