作为预测计算性能“范式转变”关键的神经形态芯片。来源：Seung Hwan Lee

自1950年代晶体管开始取代真空管成为电子电路的关键部件以来，固态计算占据主流已经有相当长的一段时间了。从锗晶体管被硅晶体管取代，继而更新为集成电路，然后升级到越来越复杂、小型晶体管数量更多的芯片，固态材料处理和存储电子信息的速度在更新换代中不断提升。

自1965年以来，该行业一直遵循摩尔定律——微处理器巨头英特尔的联合创始人戈登·摩尔（Gordon Moore）的预测——不断缩小的设备将带来计算性能和能源效率的提高。纳米技术的进步使当今最先进的集成电路上的最小特征可以缩小到原子尺度，但这与当前的设备不兼容。计算领域的下一步不仅需要新的纳米材料，还需要新的架构。

自20世纪80年代以来，CMOS（互补金属氧化物半导体）晶体管一直是集成电路的标准材料。与之前的几代数字计算机一样，CMOS电路依赖于约翰·冯·诺依曼在20世纪中叶选择的基本架构。他的架构旨在将在计算机中存储数据的电子设备与处理数字信息的电子设备分开。计算机将信息集中进行存储，然后将其发送到其他电路进行处理。将存储的内存与处理器分开可以防止信号相互干扰，并保持数字计算所需的准确性。但是，将数据从内存移动到处理器所花费的时间已成为瓶颈。开发人员正在寻找作为替代的非冯诺依曼架构来“在内存中”执行计算，以避免在移动数据中浪费时间。

另一个目标是转向使用神经形态系统，它使用的是模拟人脑高连接性和并行处理的算法和网络。化学和材料科学研究员Mark Hersam说，这意味着新开发与电子处理兼容，但性能超过CMOS电路的人工神经元和突触。他补充说，这并非易事，但值得投入。“我对神经形态计算比对内存处理更感兴趣，因为我相信模拟大脑是个更大的范式转变，有更多潜在优势。”

为了达成这两个目标所面对的挑战都是确定最佳技术，这正是Hersam在伊利诺伊州埃文斯顿的西北大学从事的工作。在追踪82种选定自然科学期刊文章的自然指数中，西北大学在纳米相关成果方面在美国排名第二，仅次于位于剑桥的麻省理工学院。

计算领域发生重大变化的第一个迹象出现在2012年左右，当时摩尔定律开始停滞不前，深度学习（系统根据过去的经验提高性能）的开发人员意识到，传统计算机中使用的通用中央处理器（CPU）计算机无法满足他们的需求。

——— 加快处理速度 ———

CPU的优势在于其多功能性，Wilfried Haensch说。他曾在纽约的IBM沃森研究中心领导一个开发计算机内存概念的小组，直到2020年退休。“无论你想出什么程序，CPU都可以执行它，”Haensch说，“但它是否能有效执行是另一回事。”

为了寻求更好的深度学习处理器，IBM开发人员转向了图形处理单元（GPU），该单元旨在执行用于计算机游戏中高速3D成像的高级数学。IBM发现GPU可以比CPU更高效地运行深度学习算法，因此该团队通过硬连线芯片来运行特定的进程。

“在其他机器中，你加载数据和指令，但在数据流机器中，某些指令在处理器中是硬连接的，因此你不必加载指令。”Haensch说。这标志着传统冯诺依曼模型的突破，因为数据流经硬连线处理器，就好像在内存中执行操作一样。它也适用于深度学习算法，因为其中大约80%的操作使用的是与图像处理相同的高级数学。

Haensch说，对当前材料的进一步微调只能提供短期解决方案。他说，有许多新想法、新设备和新纳米结构，但还没有哪一个做好了取代CMO的准备，而且无法保证它们是否或何时准备好实现行业所需的转型。

来源：Nature Index

开发中最受欢迎的一类器件是忆阻器，它同时具有存储器和电阻。忆阻器类似于标准电阻器，但对其施加电输入可以改变它们的电阻，从而改变存储在内存中的内容。它们的设计采用了一个三层结构，包括连接到其他设备的两个终端，和一个隔开终端、允许它们存储数据和处理信息的存储层。这个概念是在1971年提出的，但直到2007年，加利福尼亚州惠普实验室的研究科学家R. Stanley Williams才制造出第一个可用于电路的薄膜固态忆阻器。

忆阻器可以在纳米尺度上制造，并可以在不到一纳秒的时间内切换。密歇根大学安娜堡分校的卢伟和他的团队在2018年一篇关于忆阻器技术的综述中概述道，它们“在冯诺依曼和摩尔定律时代之后的未来计算系统开发中具有巨大潜力” (M. A. Zidan et al. Nature Electron.1, 22–29; 2018)。构建一个结合所有所需属性的单一系统并非易事。

——— 下一代材料 ———

研究人员正在寻找新型材料来满足高级计算的需求。Hersam和他的同事、西北大学材料科学与工程研究员Vinod K. Sangwan对潜在的神经形态电子材料进行了广泛的编目，其中包括零维材料（量子点）、一维和二维材料（石墨烯）和范德华异质结构（粘合在一起的多个二维材料层）(V. K. Sangwan and M. C. Hersam Nature Nanotechnol. 15, 517–528; 2020)。

例如，一维碳纳米管因其在神经形态系统中的应用而受到关注。因为它们类似于管状轴突，神经细胞通过这些轴突在生物系统中传递电信号。

对于这些材料将如何影响计算的未来，人们意见不一。Abu Sebastian是纽约IBM Research AI硬件中心驻苏黎世的技术负责人，他专注于近期收益，并认为有机会让数字和神经形态计算更进一步。

“像Mythic（一家位于德克萨斯州的人工智能公司）这样的公司非常接近商业化，”他说。在研究方面，卢伟说还有许多东西要弄清楚。他说，为了充分利用神经形态计算，需要使发源于成像的复杂计算“更紧密、更准确”。Haensch补充说，到目前为止，还没有材料可以实现可行的商业生产。

英特尔和IBM是自然指数中纳米科学和纳米技术相关成果的领先企业机构，拥有致力于非冯诺依曼计算的大型团队。惠普和总部位于巴黎的人工智能公司Lights-On则是专注于近期应用的两家公司。

Jeff Hecht是马萨诸塞州牛顿市的一名自由撰稿人。

原文以Solid-state of affairs fades to a memory为标题发布在2022年8月11日出版的《自然》增刊“自然指数-纳米科学和技术”上。

© nature
Nature | doi:10.1038/d41586-022-02147-3