IBM Research Europe 用模拟叠加提升 PCM 有效存储密度

IBM Research Europe 的研究人员发表了题为“Superposed analog memory for vector storage in neural networks”的论文，提出一种面向神经网络向量存储的模拟相变存储器（PCM）架构。其核心思路是让多个 AI 向量以叠加方式存放在模拟存储单元中，从而在相同物理单元上承载更多信息，提升有效存储密度。 该方案并非无代价的容量扩张：论文将其描述为一种可调的精度权衡，即存储密度与推理精度之间存在可调节的取舍关系。研究团队在原型 PCM 硬件上进行了测试，结果显示推理精度接近全精度软件基线。 论文由 Vasilopoulos、Athanasios、Patrick Diener、Michael Hersche、Abbas Rahimi 和 Abu Sebastian 共同完成，2026 年 10 月以 arXiv 预印本形式发布，编号 arXiv:2610.26118，采用 CC BY-NC-SA 4.0 许可。对算力基础设施而言，这类在存储介质层面提升向量存储密度的探索，指向的是降低神经网络推理对存储容量与数据搬运的依赖。