储备池计算（Reservoir computing, RC）作为一种高效的神经形态计算框架，可用于时序信息处理，具备训练复杂度低、便于硬件实现的优势。忆阻器所具有的非线性动力学特性与依赖输入的记忆效应，使其成为高性能物理储备池计算的理想器件。依据电导调制方式，忆阻器可分为电调控型与光电调控型两类。然而，目前尚无综述从对比角度系统梳理电控与光控忆阻储备池计算。本文填补了这一空白，从器件层面到系统层面对二者开展对比分析。
本文首先归纳了电调控与光电调控忆阻器的阻变机制，重点阐述两类器件在储备池计算的编码与时序信号处理中发挥的不同作用。随后综述电调控忆阻储备池计算的最新研究进展，着重介绍其架构创新，以及在模式识别、序列预测任务上的性能提升。接着聚焦光电调控忆阻储备池计算，该类计算充分利用光输入的高度并行特性，实现彩色视觉处理、动态手势识别与多信号融合。特别地，本文对单模态与多模态储备池计算实现方案进行系统对比，阐明电光混合激励如何提升特征多样性与任务精度。最后总结该领域面临的关键挑战，并展望未来研究方向，包括全硬件集成储备池计算系统、系统级多模态储备池计算架构，以及新型编码范式的开发。
论文由硕士生焦点、胡令祥副研究员和李宗晓博后执笔撰写，发表于Advanced Science 2026, 13: e75476 (DOI: 10.1002/advs.75476)。