基于忆阻器存算一体芯片的原位计算光谱仪

光谱仪作为测量光信号光谱成分的核心设备，在遥感探测、生物医学分析、光谱成像等领域具有不可替代的作用。近年来，微型化、低成本的现场光谱分析需求日益迫切，计算光谱仪应运而生——其通过硬件编码器获取宽光谱响应，再依靠软件解码器完成光谱重建，成为现场光谱检测的重要发展方向。然而，当前计算光谱仪的研究始终陷入“半微型化”的困境，其多集中于前端编码器件，后端解码硬件却受限于高昂的能耗和延迟，难以满足便携式、低功耗、快速响应等场景的应用需求，成为制约系统性能的关键瓶颈。

针对上述挑战，清华大学集成电路学院联合上海交通大学机械与动力工程学院、集成电路学院及剑桥大学和阿尔托大学等多所高校团队，提出了基于忆阻器存算一体芯片的高能效光谱原位重构技术。针对忆阻器芯片难以求解光谱重构等“病态”问题的瓶颈，合作团队首次提出忆阻器鲁棒性分析与优化理论，成功研制了一款576Kb规模的忆阻器芯片作为光谱解码器并构建了原位计算光谱系统（MICS），通过算法-硬件协同优化策略，实现了软件级别的光谱重建精度，同时在能耗和速度上实现数量级突破。

图1.传统计算光谱仪架构与忆阻器光谱仪架构对比

传统计算光谱仪存在两大核心痛点：一是前端探测器与后端解码硬件物理分离，模拟光电流信号需先转换为数字信号，再传输至远端解码设备（如数字计算机）进行重建，数据转换与传输开销巨大；二是解码硬件采用传统冯·诺依曼架构，随着光谱通道数增加，算法时间复杂度急剧上升，进一步加剧能耗与延迟负担。忆阻器芯片具备模拟信号处理能力和存算一体（CIM）优势，可直接在模拟域处理光电流信号，有望破解这一困境（图1）。

然而，忆阻器芯片与光谱仪的融合并非简单的物理拼接，如何克服忆阻器的噪声、电导漂移等非理想特性对光谱重建精度的影响，成为实验实现的关键难题——光谱重建本质上是求解欠定线性方程组，这类“病态”问题的求解对外部扰动极为敏感，这与忆阻器固有的非理想特性形成了尖锐冲突，学术界长期以来认为忆阻器芯片求解此类问题是“不可能完成的任务”。

为解决上述问题，研究团队回归第一性原理，从底层理论分析入手，深入剖析忆阻器芯片的鲁棒性本质（图2）。经过严格的数学推导，团队提出了关键的鲁棒性度量指标——忆阻鲁棒性（Memristive robustness metric, MRM）。该指标首次实现了算法对忆阻器噪声容忍度的定量化表征，不仅可以精准评估算法对忆阻器芯片的适配性，同时将抽象的鲁棒性要求解耦为软件端参数矩阵与硬件端忆阻器非理想因素两个具体可设计和优化的目标，进一步为提高“病态”算法的鲁棒性提供了清晰的理论指南。 

图2.忆阻器鲁棒性理论分析

在该理论分析的引导下，团队分别从参数矩阵和忆阻器噪声两方面提出了两项高效的鲁棒性优化方法：（1）忆阻器正则化方法（MRG），通过截断光谱响应矩阵的小奇异值，在不损失关键光谱信息的前提下，降低参数矩阵的最大绝对元素值，提升矩阵的忆阻鲁棒性MRM，从而增强算法对忆阻器噪声的抵抗能力。（2）嵌入式滤波方法（FEM），针对忆阻器噪声导致的光谱振荡、谱泄漏等伪影，将Savitzky-Golay等滤波器矩阵直接嵌入光谱重建矩阵，无需额外硬件即可同时完成光谱重建与滤波，有效降低硬件开销和计算延迟，结合按列映射方法，充分利用忆阻器的电导窗口，进一步提高计算信噪比PSNR。

在上述优化策略的基础上，结合硬件电路及架构设计创新，团队搭建了基于576 Kb忆阻器芯片的原位光谱重建系统MICS（图3），突破了计算精度的瓶颈问题（图4）。为进一步验证MICS在实际复杂场景中的性能，团队基于广泛使用的CAVE高光谱图像数据集开展了高光谱成像演示实验（图5）。结果显示，重建的高光谱图像与真实图像高度一致，裸眼难以区分，PSNR达34.0 dB，平均重建误差仅1.19%，且能很好地保留图像边缘特征，解决了传统高光谱成像边缘信息易失真的难题。同时，MICS系统重构单个光谱仅需125.0 ns，功耗低至6.7 nJ，较传统光谱仪方案分别提升了26.5倍和162.7倍（图6），展现了MICS在微型化、高性能光谱仪上的巨大应用潜力。

图3.基于576 Kb忆阻器芯片的原位光谱重建系统 

图4.优化前后光谱重构效果对比

图5.高光谱成像应用演示 

图6.MICS系统性能评估对比

该研究在计算光谱仪和忆阻器存算一体领域具有广泛和深刻的创新意义。团队首次提出并实现了基于忆阻器存算一体芯片的高性能原位计算光谱仪，其极低的光谱感知功耗与延迟标志着计算光谱仪由“半微型化”向包含光谱编码与解码的“全微型化”迈进，有望解锁从可穿戴健康监测设备到深空探测等广泛的应用。此外，该研究不仅拓宽了忆阻器存算一体技术的应用边界，更提出了一套通用的算法-硬件协同优化方案。团队提出的忆阻鲁棒性度量MRM，可作为评估算法对忆阻器噪声鲁棒性的关键指标，为忆阻器芯片实现各类信号处理算法提供了量化指导；MRG和FEM策略无需额外硬件开销，仅通过矩阵预处理即可提升计算精度，不仅适用于光谱重建，还可拓展至信号反卷积、希尔伯特变换、盲源分离等多种算法，为忆阻器芯片高效、高精度运行信号处理算法提供了有效工具。

相关成果以“In situ spectral reconstruction based on a memristor chip for energy-efficient computational spectrometry”（基于忆阻器芯片的原位光谱重建用于高能效计算光谱仪）为题发表于《自然·电子学》（Nature Electronics）。清华大学集成电路学院唐建石副教授、吴华强教授和上海交通大学机械与动力工程学院蔡伟伟教授为论文的共同通讯作者，清华大学博士生赵涵、上海交通大学博士生王雷、清华大学硕士生周衍泽为共同第一作者。合作者包括清华大学集成电路学院钱鹤教授、高滨教授、姚鹏副研究员，上海交通大学机械与动力工程学院刘应征教授、冯雪葳副教授，上海交通大学集成电路学院陆梁军教授，英国剑桥大学Tawfique Hasan教授，芬兰阿尔托大学Zhipei Sun教授等。该研究得到了科技部科技创新—2030“脑科学与类脑研究”重大项目、国家自然科学基金、北京集成电路高精尖创新中心、北京信息科学与技术国家研究中心、清华大学微纳加工中心、科学探索奖等支持。

附文章链接：https://doi.org/10.1038/s41928-026-01571-x