数据可用性 胰腺四维CT数据50、NeRF合成数据集4和D-NeRF数据集53是公开可用的。所有其他测量数据在合理请求下可免费获取。源数据随本文提供。代码可用性 支持本研究中模拟的代码和其他发现可在GitHub上获得56（https://github.com/SuperFrankyy/Memristive_Neural_Field）。参考文献 Sitzmann, V., Martel, J., Bergman, A., Lindell, D. & Wetzstein, G. 隐式神经表示与周期激活函数。在第34届国际神经信息处理系统大会论文集中7462–7473（ACM，2020）。 Liu, R., Sun, Y., Zhu, J., Tian, L. & Kamilov, U. S. 从离散强度测量中恢复连续3D折射率图，使用神经场。Nat. Mach. Intell. 4, 781–791（2022）。 Article Google Scholar Shen, H.等。遥感数据的缺失信息重建：技术综述。IEEE Geosci. Remote Sens. Mag. 3, 61–85（2015）。 Article Google Scholar Mildenhall, B.等。NeRF：将场景表示为神经辐射场，用于视图合成。Commun. ACM 65, 99–106（2021）。 Article Google Scholar Bartolozzi, C., Indiveri, G. & Donati, E. 具身神经形态智能。Nat. Commun. 13, 1024（2022）。 Article ADS CAS PubMed PubMed Central Google Scholar Santos, J. E.等。为高效在稀疏观测下进行场重建而开发的Senseiver。Nat. Mach. Intell. 5, 1317–1325（2023）。 Article Google Scholar Tononi, G., Edelman, G. M. & Sporns, O. 复杂性和连贯性：在大脑中整合信息。Trends Cogn. Sci. 2, 474–484（1998）。 Article CAS PubMed Google Scholar Schafer, R. W. & Rabiner, L. R. 语音信号的数字表示。Proc. IEEE 63, 662–677（1975）。 Article ADS Google Scholar Rabbani, M. & Jones, P. W. 数字图像压缩技术卷TT7（SPIE光学工程出版社，1991）。 Wu, Z.等。3D形状网络：体积形状的深度表示。在IEEE计算机视觉与模式识别会议论文集中1912–1920（IEEE，2015）。 Karni, Z. & Gotsman, C. 网格几何的光谱压缩。在第27届计算机图形学与交互技术年会论文集中279–286（IEEE，2000）。 Qi, C. R., Su, H., Mo, K. & Guibas, L. J. Pointnet：用于3D分类和分割的点集深度学习。在IEEE计算机视觉与模式识别会议论文集中652–660（IEEE，2017）。 Lin, L., Liao, X., Jin, H. & Li, P. 计算卸载以实现边缘计算。Proc. IEEE 107, 1584–1607（2019）。 Article ADS Google Scholar Han, S., Mao, H. & Dally, W. J. 深度压缩：通过修剪、训练量化和哈夫曼编码压缩深度神经网络。在第4届国际学习表征会议论文集中（ICLR，2016）。 Horowitz, M. 1.1 计算的能源问题（以及我们可以做的事情）。在2014年IEEE国际固态电路会议技术论文摘要中（ISSCC）10–14（IEEE，2014）。 Zidan, M. A., Strachan, J. P. & Lu, W. D. 基于记忆体系统的电子产品的未来。Nat. Electron. 1, 22–29（2018）。 Article Google Scholar Wong, H.-S. P. & Salahuddin, S. 记忆在更好计算中的引导作用。Nat. Nanotechnol. 10, 191–194（2015）。 Article ADS CAS PubMed Google Scholar Chen, Y., Xie, Y., Song, L., Chen, F. & Tang, T. 深度神经网络加速器架构的调查。Engineering 6, 264–274（2020）。 Article Google Scholar Hinton, G. 在神经网络中如何表示部分-整体层次结构。Neural Comput. 35, 413–452（2023）。 Article MathSciNet PubMed Google Scholar Jaderberg, M., Vedaldi, A. & Zisserman, A. 通过低秩扩展加速卷积神经网络。在英国机器视觉会议论文集中（BMVA Press，2014）。 Denil, M., Shakibi, B., Dinh, L., Ranzato, M. & de Freitas, N. 在深度学习中预测参数。在神经信息处理系统进展会议论文集中（NeurIPS，2013）。 Fang, G., Ma, X., Song, M., Mi, M. B. & Wang, X. Depgraph：朝任何结构修剪迈进。在IEEE/CVF计算机视觉与模式识别会议论文集中16091–16101（IEEE，2023）。 Ambrogio, S.等。使用模拟存储器的等效精度加速神经网络训练。Nature 558, 60–67（2018）。 Article ADS CAS PubMed Google Scholar Ambrogio, S.等。一个为节能语音识别和转录而设计的模拟-AI芯片。Nature 620, 768–775（2023）。 Article ADS CAS PubMed PubMed Central Google Scholar Wan, W.等。基于电阻随机存取存储器的内存计算芯片。Nature 608, 504–512（2022）。 Article ADS CAS PubMed PubMed Central Google Scholar Wang, Z.等。具有扩散动力学的记忆电阻作为神经形态计算的突触仿真器。Nat. Mater. 16, 101–108（2017）。 Article CAS PubMed Google Scholar Zhang, W.等。使用完全集成的神经启发记忆变阻器的边缘学习