报告内容：近年来，人工智能取得了空前的成功，其背后的主要推动力是计算系统不断提升的计算性能。然而随着后摩尔时代的到来，基于CMOS器件和存算分置架构的传统计算系统性能提升的困难不断加大，难以满足智能化加速发展的需要。忆阻器是一种新原理的微纳器件，为存算一体的神经形态计算系统实现提供了新的物理基础。该报告结合报告人近年来的研究课题，首先介绍神经形态计算研究背景，然后介绍基于忆阻器神经形态计算的原理和国内外研究进展，最后介绍报告人所在单位在忆阻器神经形态器件、神经形态计算电路和芯片方面取得的最新进展。

        报告人简介：国防科技大学电子科学学院电子科学系副主任、副研究员、智能信息器件方向青年骨干。主要从事忆阻器件与基于忆阻器的新架构处理技术研究工作，获湖南省优秀博士学位论文、军队科技进步三等奖，荣立个人二等功1次、个人三等功2次。承担国家自然科学基金项目、军委科技委基础加强重点项目和军委科技委前沿创新重点项目等多项。发表学术论文30余篇，其中在Nature旗下子刊物Scientific Reports、Adv. Matter.、IEEE EDL、Applied Physics Letter等一流刊物发表SCI论文19篇，IEEE 顶级会议ISCAS发表会议论文3篇。