博士生陈佳专注于新型非易失存储器之一的忆阻器研究，利用忆阻器的存储与计算相融合的特点，在忆阻神经网络硬件化应用的课题中，从材料掺杂改性、操作方法创新等手段提升器件模拟性能，解决神经网络算法映射、仿真平台构建等难题。忆阻阵列能够并行实现神经网络中密集且频繁的矩阵向量之间的乘法累加运算，基于忆阻器的硬件神经网络能够突破传统计算架构的计算算力与能效瓶颈，有望成为智能边缘计算领域的有力载体之一。
