编辑推荐：
为解决边缘计算机视觉中计算负载大、资源受限及二进制计算易受位翻转（bit-flip）影响等问题，研究人员开展基于忆阻器随机计算（SC）的轻量级容错边缘检测研究。结果表明，所提方法能耗降低 95%，可承受 50% 位翻转，为高效边缘视觉硬件开发奠定基础。
在计算机视觉领域，边缘检测作为图像理解和决策的基础预处理技术至关重要。然而，传统二进制计算依赖矩阵乘法和梯度计算，面临计算负载大、延迟高及对硬件集成不友好的挑战。尤其在边缘设备中，有限的计算资源与高精度数据表示的冗余性矛盾突出，且二进制系统对位翻转等软错误敏感，即便单个位翻转也可能导致输入输出错误，而纠错技术又会增加硬件和计算成本。因此，开发轻量级、容错性强的边缘检测方法成为迫切需求。
为应对上述问题，中国香港中文大学电子工程系的研究人员开展了基于忆阻器随机计算的边缘检测研究。相关成果发表在《Nature Communications》上，为边缘视觉硬件的革新提供了新思路。
研究中采用的关键技术方法包括：利用溶液处理的六方氮化硼（hBN）制备丝状忆阻器，构建随机数编码器（SNE），其由忆阻器和比较器组成，可将输入数据编码为具有调控概率和相关性的随机数；集成 SNE 与紧凑逻辑门（如与门、异或门等）形成随机逻辑电路，用于执行随机数处理；基于随机逻辑实现硬件化的罗伯茨交叉（Roberts cross）算子，进行边缘检测的梯度计算和像素处理。
结果
随机数编码器（SNEs）
忆阻器的开关随机性源于导电细丝的随机扩散，其阈值电压（Vth）和保持电压（Vhold）符合高斯分布，器件间均匀性高（Vhold变化 6.6%，Vth变化 7.4%），且经超 5×106次循环测试显示稳定的随机开关特性。通过调节输入电压（Vin）和参考电压（Vref），SNE 可输出不相关、正相关或负相关的随机数，概率与 Vin呈 sigmoid 函数关系，为随机计算提供了可靠的编码单元。
随机逻辑
集成 SNE 与逻辑门构建的随机逻辑电路，在不同相关性下表现出预期功能。例如，不相关随机与门实现乘法功能（P (c)=P (a)×P (b)），正相关随机异或门可执行绝对值减法（P (c)≈|P (a)-P (b)|），随机多路复用器（MUX）实现均值卷积滤波。这些逻辑操作仅需少量元件，显著简化电路设计，降低计算成本。
随机边缘检测
基于随机逻辑的罗伯茨交叉算子，由两个 SNE、两个异或门和一个 MUX 组成。对《The Horse in Motion》图像的检测表明，随着随机数位数增加（4-256 位），结构相似性指数（SSIM）和峰值信噪比（PSNR）提升，256 位时 SSIM>0.95，PSNR>30 dB，接近理想性能。在容错测试中，即便注入 50% 位翻转，随机算子仍保持 SSIM>0.95 和 PSNR>30 dB，而传统二进制方法在 5% 位翻转时已严重退化。
硬件与计算成本
与传统二进制罗伯茨算子相比，随机算子在 2048 位以内能耗更低，4 位时能耗降低 95%，64 位时降低 90%。忆阻器的快速开关特性（~50 ns）支持超 1000 fps 的帧率，满足自动驾驶、医学影像等实时应用需求。
结论与讨论
该研究提出的忆阻器随机计算方法，通过利用忆阻器的开关随机性，实现了轻量级、容错性强的边缘检测。随机逻辑的概率计算特性使其在高噪声环境下保持性能，且硬件成本显著降低。尽管大规模集成面临器件均匀性和系统级分析的挑战，但该方法为自动驾驶、虚拟现实、医学影像诊断等领域的高效边缘视觉硬件开发提供了新范式，有望推动低功耗、抗干扰计算技术的变革。
