近日，南方科技大学微电子学院王中锐教授课题组联合中国科学院微电子研究所刘明院士团队尚大山研究员、许晓欣研究员，在面向类脑边缘视觉系统的存内数据剪枝与计算领域取得重要研究进展。团队基于标准CMOS兼容工艺，研制出Ta/TaOx/Ta₂O₅结构的Mem-Selector（M-S）多功能纳米器件，并在32×32（1 Kb）M-S阵列基础上构建了类脑存内剪枝-计算（IMPC）系统。该系统模拟人类视觉选择性注意机制，能够自适应动态剪枝冗余输入、聚焦关键特征，并根据任务复杂度调节剪枝比例，实现高效存算一体化与能效-精度最优平衡。实验验证显示，IMPC在CIFAR-10、Fashion-MNIST和MNIST数据集上的输入能耗分别降低29%、54%和90%，精度损失不足1%；在噪声鲁棒性测试中，抗噪性能较传统存内计算（IMC）系统分别提升7.6%、29.8%和80.7%。相关研究成果以“Brain-Inspired In-Memory Data Pruning and Computing with TaOx Mem-Selectors”为题发表于Advanced Materials。南方科技大学为论文通讯单位，王中锐副教授为通讯作者；中科院微电子所为重要合作单位，尚大山研究员、许晓欣研究员等为通讯作者。论文第一作者为南科大、微电子所、港大共同培养博士毕业生李熠和微电子所博士生赖锦茹。
人眼视觉系统每秒处理10⁸–10⁹比特信息的高效性源于选择性注意机制：通过动态调节感受野，优先聚焦显著刺激、自动剪除冗余数据，实现低能耗信息筛选。大脑依托突触完成存储与计算合一，避免海量数据传输。即使在复杂认知任务中，也保持极低功耗。相比之下，现有基于CMOS的边缘视觉系统受摩尔定律趋缓、存算分离及冯·诺依曼瓶颈制约，能效与时延难以突破；其数字化布尔逻辑处理方式与大脑类比式、模拟化高效模式存在根本差异，亟需发展新型类脑硬件以模拟选择性注意并实现存算一体化。传统存内计算虽可缓解部分瓶颈，但缺乏动态数据剪枝能力，导致冗余输入仍消耗大量能耗与资源，限制了在噪声环境与复杂任务中的实际部署。
针对上述挑战，研究团队在器件、阵列与系统层面实现系统性创新，构建了脑启发IMPC框架：
1.在器件层面，团队首次在Ta/TaOx/Ta₂O₅材料体系中实现阈值开关（volatile threshold switching）与非易失阻变存储（non-volatile resistive memory）的协同共存，揭示离子迁移与电子跃迁复合调控机制。该Mem-Selector（M-S）器件高度CMOS兼容，在单一单元内集成信息剪枝与存内计算功能，通过电压调控动态切换模式，避免复杂外围数字逻辑。
2.在阵列与电路层面，基于32×32 M-S阵列构建IMPC系统，模拟视觉皮层竞争机制与Kastner理论的自下而上偏置。系统可根据输入显著性自适应调节剪枝电压，动态滤除冗余数据、保留关键特征，并在忆阻阵列中直接执行高效卷积运算，实现存内剪枝-计算一体化。
3.在系统与算法层面，IMPC支持任务复杂度自适应调节剪枝比例，在不同数据集上显著优化能效-精度权衡。实验结果表明，该系统在能效提升、抗噪鲁棒性及高集成度方面均优于传统IMC，尤其在噪声干扰下展现突出优势，并具备向更大规模阵列扩展的潜力。
该研究受人类视觉选择性注意机制深度启发，将TaOx基多功能Mem-Selector与存内剪枝巧妙融合，从源头缓解了边缘AI硬件的冗余能耗与噪声敏感瓶颈，展现出优异的能效、鲁棒性与性能平衡。该技术路径不仅适用于TaOx基器件，还可推广至其他忆阻材料体系，为后摩尔时代高能效、类脑化边缘智能硬件提供了创新实现方案。未来，团队将继续优化器件机制与系统集成，推动IMPC向更高密度阵列与实时复杂视觉任务演进，有望为智能感知、物联网边缘计算等领域打破传统架构能耗壁垒提供关键支撑。
本研究获国家自然科学基金、深圳市相关计划等项目资助。
图1-人类视觉系统的选择性注意力机制与IMPC系统的设计
