Ⅰ. 本期重点精读
01 / COTS NOR Flash · 重离子SEE
Experimental Evaluation of Single Event Effects in a COTS NOR Flash Memory Under Heavy-Ion Irradiation
Journal of the Korean Society for Aeronautical & Space Sciences · 2026-09-17 · DOI: 10.5139/jksas.2026.54.9.1027
商用 NOR Flash 去封装后直接照芯，用 LET 28.6–61.3 MeV·cm²/mg 的重离子辐照，同型号两片器件在相同条件下比较，ECC 全程禁用，存储器保持连续读模式并同步监测位错误和电源电流。截面按位错误数除以入射离子注量计算。结果只出现瞬态位错误，没有观察到持续闩锁或永久硬错误；部分高 LET 条件下电源电流出现变动，但器件仍维持正常操作。该工作的价值在于把 ECC 旁路、连续读和电源电流监测放在同一轮束流里，能把存储位翻转与破坏性事件分开记录。后续做 COTS 存储选型时，可以沿用同型号双片对比、位错误截面计算和高 LET 下电源电流同步采集。
做重离子测试时，把纠错功能关掉，让存储器保持连续读取，同时记录位错误和电源电流；用位错误数除以入射离子注量得到截面。同型号两片器件在相同条件下对比，能帮助区分位翻转与破坏性事件。
02 / GPU 张量核 · SDC 定位
Sketching the Error, Not the Product: Post Hoc Fault Recovery for Half Precision GPU Matrix Multiplication
arXiv:2609.19758 · 2026-09-17 · 预印本
未修改的张量核半精度矩阵乘之后，FP-Sketch 进行验证，操作数按 FP32 累加。求和 sketch 检测损坏，哈希一阶矩 sketch 定位多个损坏条目，输出坐标和幅度。浮点噪声限制定位，按实测噪声定桶数后，八个 transformer 形状恢复率从 0.402 升至 1.000；NVBit 指令级注入下按实测幅度设定引擎，恢复率从 0.550 升至 1.000。Llama-2-7B 保护 MLP 下投影，消除 2048 位翻转造成的 99.4%–99.9% 困惑度损伤。
在矩阵乘法结束后增加校验，先判断结果是否出错，再定位出错的元素并估计偏差大小。依据正常计算噪声和故障注入测得的偏差，调整校验时的分组数量，比较错误定位和修复的效果。
03 / GPU 内核 · 伪错误评估
PEAT: Pseudo-Error Assessment for GPU Kernel Validation in DNN Training
arXiv:2609.13544 · 2026-09-11 · 预印本
DNN 训练中的 GPU 内核验证中，新内核接入训练流后，PEAT 如何快速刻画其错误行为？Profiler 在训练流里按操作调用内核，收集检查点和激活等模型状态，并采用回放故障注入和基于频率的运行时故障注入，利用持续内核调用反复施加扰动。Analyzer 比较内核与黄金实现的错误分布，提取签名；Detector 给出充分条件，把若干已知错误模型映射到签名模式。验证覆盖 NVIDIA V100 和 AMD MI250，任务从视觉模型到语言模型，场景包括预训练和微调。该流程以操作级内核状态采集加两种注入方式得到错误分布签名，据此映射已知错误模型，也可用于把辐照后内核输出偏差对应到已知错误模型。
新内核接入 DNN 训练后，可以在训练流里按操作调用内核，收集检查点和激活状态，再用回放注入和按频率的运行时注入反复施加扰动；比较它与基准内核的错误分布，找出签名，并把签名对应到已知错误模型。
Ⅱ. 计算平台与软错误
01 / 分布式训练 · 零I/O恢复
Zero-I/O Fault Recovery for Sharded Deep Learning via Dynamic Framework Dependency Rebinding
arXiv:2609.18178 · 2026-09-16 · 预印本
分片分布式训练的瞬态通信故障由 AccelPact 处理。它在已提交优化器步骤通信失败后利用未损坏设备内存，绕过 PyTorch FSDP 跨模块缓存的通信句柄失效，用非侵入式引用重绑定和带外 Gloo 共识恢复，避免检查点重放。16 块 NVIDIA RTX 5880 训练 Mistral-7B，整轮有效吞吐比冷重启高 1.197 倍；十次连续故障注入后所有 rank 参数位相同，4–16 GPU 拓扑下重绑定耗时 0.493–0.518 ms。
分片训练在通信故障后，如果已提交的优化器步让设备内存仍然完好，可以尝试在运行时重新绑定框架缓存的通信依赖。故障注入后，比较各进程参数是否逐位一致，并确认没有数值漂移，用来验证这种恢复是否可靠。
02 / SRAM-FPGA · 配置位翻转容错
FPGA-Based Fault-Tolerant Median Denoising Architecture for Impulse Noise Removal in Digital Images
Zenodo (CERN European Organization for Nuclear Research) · 2026-09-15 · DOI: 10.5281/zenodo.22773697
SRAM 型 FPGA 的配置存储器一旦发生单粒子翻转，中值滤波逻辑会被永久改写，直至重新配置。该设计用九像素部分排序网络计算中值，并加一个动态范围一致性检查器：每个 3×3 邻域同时算出中值和最近的下、上非中值边界，若中值落在该动态区间外就报告滤波故障，随后可部分或完全重配置恢复。实现针对 8 位 128×128 灰度图像，占用 385 LUT，比未保护的 286 LUT 中值滤波器多 35% 逻辑开销；对比方案中 RPR 为 61%，DMR 为 100%。故障注入实验报告检测出 91% 的损坏图像。该设计用动态范围一致性检查做配置错误在线检测，由部分重配置执行恢复，并以 LUT 开销和损坏图像检出率评价容错方案。
在 FPGA 中值滤波里，每算一个 3×3 邻域的中值时，同时求最近的下界和上界；中值若落在动态区间外，就报告配置错误，再触发部分或全部重配置。评价容错设计时，除了去噪结果，还要把额外逻辑资源和故障注入下的损坏图像检出率放在一起看。
03 / 多租户 FPGA · 位流认证
Faults that Persist: Fault-Injection Attacks and ASCON-Based Defense in Multi-Tenant FPGAs
ACM Transactions on Design Automation of Electronic Systems · 2026-09-14 · DOI: 10.1145/3846381
多租户 FPGA 通过动态部分重配置让用户共享器件，攻击者可在重配置过程中向部分比特流注入故障。与运行时故障不同，这些故障会嵌入比特流并在配置完成后继续破坏 FPGA 运行。商用工具链用 CRC 做完整性校验，但 CRC 在加载后粗粒度验证，不能早期发现位流篡改，还可能因配置接口进入错误状态而阻断后续正常位流。该工作把标准化密码认证原语 ASCON 直接集成进重配置流，检测并阻止被注入故障的位流进入配置。Xilinx Pynq 平台实验显示可先发检测并细粒度定位位流内被篡改区域，同时保持低开销。该方案把认证前移到重配置路径，在加载前拦截故障位流，并用细粒度定位标出攻击区域。
多租户 FPGA 用动态部分重配置共享器件时，故障可能被写进比特流并持续存在。把轻量密码认证放进重配置流程，在加载前检查并拦截被篡改的比特流，同时定位异常区域；评价时重点看加载前检测、定位精度和重配置路径开销。
Ⅲ. 其他值得跟踪的前沿
01 / 忆阻器阵列 · 神经形态视觉
A Bidirectional Photosensitive Multimodal PdSe2/MoS2 van der Waals Heterostructure Memristor Array for In-Sensor Neuromorphic Vision
Nano Letters · 2026-09-14 · DOI: 10.1021/acs.nanolett.6c03046
1-kb 的 PdSe2/MoS2 范德华异质结光敏忆阻器阵列将感光、存储和计算放在同一器件里。异质结界面通过竞争性的光生载流子分离与复合，产生随波长变化的正、负光响应；双层异质结结构限制导电细丝形成路径，配合双聚合物转移工艺实现大面积完整范德华材料转移，良率超过 90%，性能变异低于 8%。阵列用于传感器内图像预处理，包括去噪、识别和运动感知，识别准确率最高达到 98.2%。对 CIM 器件可靠性而言，这里最有用的是同时报告良率、器件间变异和任务级准确率：后续若引入辐照条件，可以把这些指标作为阵列在非辐照下的基线，观察电导态扰动怎样传到识别输出。
做存内计算阵列的可靠性评价时，先把良率、器件间变异和传感器内任务准确率作为未受扰动的基线，再观察电导态扰动怎样传到识别输出。这样能把器件级波动和最终任务表现联系起来。
02 / 钙钛矿 RRAM · 丝状控制
Harnessing Selective Defect Formation for Filament Control in Reliable and Energy‐Efficient Perovskite Resistive Random Access Memory
Advanced Functional Materials · 2026-09-16 · DOI: 10.1002/adfm.78448
钙钛矿忆阻器的导电细丝通过缺陷工程控制。把季铵聚合物 PAQI 掺入 FAPbI3，削弱 Pb–I 键并降低碘空位形成能，选择性地激活参与金属阳离子渗透路径的碘空位，从而促进可控细丝生长；PAQI 的功能团同时钝化未配位的 Pb2+。器件因此获得很低的开关电压 V_SET = 0.28 V 和 SET 能量 3.64 pJ，保持阶段电流波动小于 4%。在 7×7 交叉阵列上实现了光电输入模式的选择性识别和高保真边缘检测，效果与软件卷积相当。对 CIM 可靠性而言，该工作把缺陷形成能、细丝路径和器件开关参数联系起来，并用交叉阵列上的模式识别结果检验电导控制是否真正转化为计算功能。
在钙钛矿忆阻器中，可通过引入聚合物来选择性降低碘空位形成能，让导电细丝沿更可控的路径生长；评价时把开关电压、开关能量和保持阶段的电流波动放在一起看，并在交叉阵列上做边缘检测或模式识别，检查器件级电导控制是否转化为计算功能。