编辑推荐：
随着摩尔定律逼近极限，研究人员探索基于器件计算，提升计算设备集成密度与能效，意义重大。
晶体管的缩小使得晶体管能够更密集地集成，推动了计算性能的提升。然而，晶体管的小型化最终必须面对物理限制，比如与它们的工作机制和材料特性相关的限制。一种规避这些限制的方法是使用更少的组件设计更简单的电路。在此，我们回顾了用于简化布尔逻辑（Boolean logic）、随机计算（stochastic computing）、神经形态计算（neuromorphic computing）和基于高斯计算（Gaussian-based computing）硬件电路复杂性的器件。对于布尔逻辑，介绍了能够计算复杂逻辑的器件；对于概率计算，介绍了输出随机信号的器件；对于神经形态计算，讨论了能够表达神经网络信号的器件；对于基于高斯计算，讨论了能够表达和调整高斯分布的器件。通过基于器件的计算简化电路，可以提高硬件集成度并带来更好的性能。
随着摩尔定律（Moore’s law）接近其缩放极限，在计算设备中追求更高的集成密度变得越来越具有挑战性。基于器件的计算机架构可以通过创建为特定目的量身定制的更简单电路的器件来实现电路紧凑化。然而，矛盾的是，许多这些器件比传统的冯?诺依曼（von Neumann）系统需要更多的晶体管或其他电子组件。这篇综述突出了基于器件计算的最新进展。我们试图展示基于器件的计算如何通过布尔逻辑更有效地实现冯?诺依曼架构，以及如何实现下一代非冯?诺依曼系统，重点关注提高集成密度和能源效率。
