北京大学研究团队在忆阻器领域取得重要成果，其论文发表于《Nature Communication》。该研究首次揭示无源忆阻器电路具有循环神经网络特性，由忆阻器件相互作用形成。

团队构建了吸引子网络模型和能量函数，通过实验验证其在存储容量、硬件实现及性能上优于经典Hopfield网络。

忆阻器作为电阻式存储器件，其非易失性和交叉阵列架构在加速算法，特别是神经网络中的矩阵向量乘法上表现突出。研究创新性地证明了由双极性忆阻器组成的电路为吸引子网络，忆阻器作为特殊神经元，其非线性激活函数实现网络递归，大大提升了存储容量。

实验验证和联想记忆应用演示均表明，忆阻器网络在存储容量和计算效率上均有显著提升。研究还探讨了忆阻器网络的概率模型，揭示其能量和状态服从概率分布，类似于玻尔兹曼机。

此研究由北京大学集成电路学院、人工智能研究院等团队完成，获多项基金支持，第一作者为博士研究生李永祥，通讯作者为孙仲研究员。这一发现为忆阻器在神经网络硬件实现上开辟了新路径。