eNVM

1. RRAM（电阻式随机存储器）
   数据编码：RRAM利用不同的电阻状态编码数据，通常通过高电阻状态（HRS）和低电阻状态（LRS）来分别表示二进制的“0”和“1”。这种电阻变化通过施加特定的电压或电流来改变存储单元的导电性。
   计算方式：在存内计算中，RRAM通过施加控制电压来实现逻辑运算和矩阵运算。RRAM阵列可以利用电阻状态的并行特性完成矩阵向量乘法运算，适用于加权求和操作等。这种方式通常用于神经网络推理中的矩阵乘法计算，将存储阵列看作权重矩阵，通过施加输入电压完成加权求和。
2. MRAM（磁阻随机存储器）
   数据编码：MRAM通过磁性状态来存储数据，利用两个磁性层的相对磁化方向来编码“0”和“1”。当两个磁性层的磁化方向相同时，电阻较低，表示“1”；当磁化方向相反时，电阻较高，表示“0”。
   计算方式：MRAM在计算时依赖于其磁隧道结（MTJ）的特性，能通过读出不同磁性状态的电阻值进行逻辑运算。此外，MRAM能够实现IMPLY逻辑运算、NAND运算等基础逻辑操作。由于MRAM响应速度快，适合快速逻辑运算和高频存取，适用于低功耗、低延迟的边缘计算应用。
3. PCM（相变存储器）
   数据编码：PCM通过材料的相变状态来编码数据。存储材料（如硫属化物）可以在高电阻的无定形态和低电阻的晶态之间切换。通过控制电流脉冲的大小和持续时间，PCM可以在晶态和无定形态之间转变，进而存储多个状态（多态性），实现比传统二进制更多的存储位数。
   计算方式：PCM在存内计算中主要用于模拟计算和多状态存储。PCM阵列的电阻状态可直接用于加权求和运算，例如在矩阵乘法中，每个单元的电阻状态代表一个权重值。通过将输入电压施加到字线上，可以实现加权求和。PCM的多态特性也使其在深度学习和人工智能中表现优异，适合大规模神经网络计算。
4. FeFET（铁电场效应晶体管）
   数据编码：FeFET基于铁电材料的极化状态来存储数据。铁电材料在施加电场后可以保持其极化方向，表示为“0”或“1”。由于极化方向具有非易失性，即便在电源关闭后也能保持状态，因此FeFET是一种非易失性存储器。
   计算方式：FeFET可以通过调整栅极电压实现逻辑运算和简单计算操作。在存内计算中，FeFET能够进行基本的逻辑运算（如NAND、NOR等），并通过控制电极电压来改变铁电材料的极化状态。FeFET适合低功耗应用，尤其适用于边缘计算和物联网设备中需要简单逻辑运算的场景。
   总结：四种存储器的存储形式和计算方式
   存储器类型 数据编码方式 计算实现方式
   RRAM 电阻状态（高/低电阻） 通过电压控制，执行逻辑运算和矩阵乘法（如加权求和）
   MRAM 磁性状态（平行/反向） 磁隧道结特性，实现逻辑运算（如IMPLY、NAND）
   PCM 相变状态（晶态/非晶态） 电阻状态表示权重值，进行加权求和和模拟计算
   FeFET 极化状态（铁电极化方向） 控制栅极电压，实现逻辑操作（如NAND、NOR）
   这些新型存储器通过其独特的物理特性，能够在存储数据的同时执行简单计算操作，为存内计算提供了丰富的实现方式。这些特性使得它们在边缘计算、深度学习加速和低功耗应用中有广阔的前景。