阻變存儲器（RRAM）因其高速、低功耗和可擴展性而被廣泛用于實現邊緣計算加速器。但由于RRAM存在保持特性退化的問題，導致基于RRAM芯片上的網絡推理準確率隨時間的增大而降低，從而限制了基于RRAM的邊緣計算加速器的運算精度。
針上述問題，微電子所劉明院士團隊基于RRAM陣列的原位乘加及低功耗特性，開發了RRAM 存內計算芯片，結合微流控芯片搭建了異質集成及時檢測系統（POCT），完成終端系統的識別功能。針對血液疾病早期檢測，開發了細胞分級識別策略，將識別精度提高到92%。同時，揭示了POCT識別精度與RRAM失效機制的內在規律，提出了針對RRAM芯片中存儲單元保持特性的智能預修復方案，結合開發的LSTM保持性預測模型，在不影響計算芯片識別速度的前提下進行權值信息的原位修復，將POCT系統的長時識別能力提高到室溫下6000小時（250天），識別精度大于90%。
該研究成果以題為“Point-of-Care Testing （POCT） System Based on Self-Recovery? Memristor Chip with Low Energy Consumption（1.547 TOPS/W） and High Recognition （1142 frame/s）”入選2023 IEDM。微電子所鄭旭博士為第一作者，復旦大學吳立舟博士為共同第一作者，微電子所張文昌副研究員、許曉欣研究員為通訊作者。
（a）基于微流控芯片和RRAM芯片的異質集成POCT系統；（b） 細胞分級識別策略識別精度；（c）采用智能預測和自修復算法前后，推理時長與精度的變化；（d） POCT系統實物圖 （e） 開發的POCT系統與現有技術的性能對比
綜合信息