密歇根大学研究小组宣布，它已经开发出一种计算设备，该设备可以通过称为忆阻器的电阻器以比当前安装在计算机中的CPU速度快10,000倍的速度执行机器学习。
忆阻器是无源器件，其特性可以存储电荷并改变电阻。忆阻器用作逻辑运算单元和存储元件。作为存储设备，非易失性存储器可用于保存模拟数据，并且冗余计算（FMAD）也可能。
采用忆阻器作为处理设备的优点是忆阻器既可以用作存储器也可以用作计算设备，因此它可以执行适合于神经网络的计算。该研究小组认为，GPU在功耗和吞吐量方面比CPU好10到100倍，但忆阻器有可能比GPU好10到100倍。
该研究小组实际上创建了一个存储星形芯片的原型模型，该模型可以在5,800个忆阻器，OpenRISC CPU，通信电路以及模拟和数字之间转换，并创建了执行机器学习算法的程序。
使用该芯片进行的实际机器学习的结果是，据说在区分希腊字符的基本感知器和识别并优化图像图案分类的稀疏建模中，其准确性已达到100％。在双神经网络机器学习中，发现乳腺癌测试数据的共性和差异，有可能以94.6％的准确度对恶性和良性癌症进行分类。
当然，研究小组解释说，忆阻器内部保存的模拟信息存在可靠性问题，并且在商业上存在挑战。他说他将继续研究以解决这个问题。相关信息可以在这里找到。