近日，集成电路学院代月花教授课题组与复旦大学芯片与系统前沿研究院刘琦教授团队开展合作，在忆阻器基存算一体技术领域取得重要进展。

相关成果以“Memristive Bellman Solver for Decision-making”为题发表于《自然通讯》(Nature Communications)上(DOI:10.1038/s41467-025-60085-w)。安徽大学集成电路学院为第一单位，我校集成电路学院22级博士生冯哲、吴祖恒副教授和23级博士生邹建勋为共同第一作者，集成电路学院吴祖恒副教授、代月花教授和复旦大学刘琦教授为共同通讯作者。

Bellman方程是动态规划和决策领域的核心工具，广泛应用于强化学习、自动驾驶、路径规划等场景。然而，传统求解方法通常需要大量迭代计算，计算复杂度高，尤其在实时性要求高的应用中，往往难以满足应用需求。这种低效性限制了动态决策系统在实际场景中的表现，亟需新的技术突破。

基于忆阻器的Bellman求解器（Memristive Bellman Solver，MBS）为这一难题提供了全新的解决方案。MBS充分利用忆阻器的高效存算一体特性，通过引入时间维度，将Bellman方程的双期望迭代求解转化为循环点积操作，大幅降低了计算复杂度。更独特的是，研究团队将忆阻器的固有噪声转化为计算优势，通过随机扰动加速了求解过程的收敛速度，实现了高效的近似解。这种软硬件协同优化的设计，不仅提升了系统计算效率，还显著降低了系统能耗（~1000×）。实验结果表明，MBS能够实现高效的决策制定，为开发高效决策制定系统提供了新思路。