面向空间应用的忆阻器神经网络加速器：利用时间平均与 SIRENs 提升性能

基于摘要分析。本文研究航天器星载神经网络部署到忆阻器器件后，器件变异、电导漂移和器件故障导致的计算精度下降问题，提出结合 bit-slicing、神经网络层的时间平均与周期激活函数改善任务表现，并在导航与控制、小行星测地学任务中进行仿真验证。 核心机制是通过上述计算与网络设计缓解忆阻器非理想性带来的性能退化。摘要将高能效与抗辐射能力作为忆阻器适用于空间应用的动机，但没有提供相应测量结果。标题提及 SIRENs，摘要仅说明采用周期激活函数；具体网络结构、时间平均的实现方式、bit-slicing 配置以及各组件的独立贡献尚未验证。 作者报告，在采用 RRAM 器件的仿真中，导航与控制任务的数值由约 0.07 降至 0.01，小行星测地学任务由约 0.3 降至 0.007；作者列出的对应先进水平参考值分别为 0.003–0.005 和 0.003。摘要未说明这些数值的指标名称、单位、数据划分及参考方法的评估条件，因此不能将其解读为 Accuracy，也不能据此确认与参考结果属于严格同协议比较。 当前证据支持的是航天任务中的仿真可行性，不是真实星载部署或 EEG/BCI 有效性。复现需核对器件非理想性模型、任务数据与监督方式、训练及权重映射流程，以及时间平均和 bit-slicing 对延迟、能耗与精度的权衡。实验协议、消融及统计信息尚未验证。摘要未建立与神经信号任务的具体机制对应关系，因此不据此提出 BCI 迁移结论。