复旦芯片院张续猛老师团队以神经形态计算为核心，聚焦新型存储器与类脑硬件的融合创新。研究以阻变存储器（RRAM）为核心载体，联动 HBM DRAM/DRAM 的高速吞吐能力、3D FLASH/3D NAND/PRAM 的高密度存储优势，构建存算一体硬件基础；通过复刻生物神经元编码机制，研发阻变神经元与多模态感知神经元器件，突破传统 CMOS 电路集成度低、能耗高的瓶颈；并将其与语义记忆动态神经网络深度耦合，依托存内计算架构缓解冯・诺依曼瓶颈，为低功耗类脑芯片的研发提供全链条技术支撑。研究重点围绕生物神经元及编码机制的硬件复刻，通过 NbO₂基等阻变神经元器件实现高仿生的脉冲放电特性，解决传统 CMOS 神经元电路集成度低、能耗高的瓶颈，同时依托异质集成技术将传感器与忆阻器阵列融合，开发出可直接实现压力 - 温度、视觉 - 触觉等多模态信息感知与脉冲信号转换的神经元单元，无需额外信号转换模块，大幅提升端侧智能感知的紧凑性与能效比。整体而言，该研究方向通过新型存储器与神经形态技术的跨界融合，为智能机器人、人机交互等领域所需的低功耗、高密度类脑芯片提供了从器件、电路到系统的全链条创新方案.