摘 要:随机计算是一种以概率信号替代确定性二进制数值的新型计算范式,其核心在于将确定性数值映射为概率化比特数流,通过统计特性而非精确位权实现算术运算。相较于传统确定性数值计算,随机计算具有低硬件开销、高渐进精度与高容错性等优势,广泛应用于数字信号处理、神经网络加速及边缘计算。然而,该技术的发展面临三大关键挑战:序列长度制约的精度与效率权衡、概率转换电路的开销过高以及随机比特流相关性导致的误差累积。该文系统梳理了随机计算的发展脉络与基本原理,重点聚焦其在低功耗滤波、实时图像处理及容错神经网络中的典型应用与实现机制。同时,深入剖析了应对上述挑战的研究策略,包括随机比特流相关性的度量、抑制与反用技术,概率转换电路硬件开销的优化策略,以及动态渐进精度调节机制的最新进展与局限。该文旨在为研究者清晰呈现随机计算的技术现状、应用潜力及未来突破方向。