材料工程前沿領(lǐng)域的新研究為計(jì)算設(shè)備性能的真正提高帶來(lái)了希望。由馬庫(kù)斯-海爾布蘭德（Markus Hellbrand）等人領(lǐng)導(dǎo)、與劍橋大學(xué)相關(guān)的研究小組認(rèn)為，這種新材料由氧化鉿層通過(guò)電壓變化的鋇尖峰隧穿而成，融合了存儲(chǔ)器和處理綁定材料的特性。這意味著這種設(shè)備可以用于數(shù)據(jù)存儲(chǔ)，其密度是現(xiàn)有存儲(chǔ)介質(zhì)的 10 到 100 倍，也可以用作處理單元。

這項(xiàng)研究發(fā)表在《科學(xué)進(jìn)展》（Science Advances）雜志上，為我們提供了一條道路，通過(guò)這條道路，我們的計(jì)算設(shè)備的密度、性能和能效可能會(huì)大大提高。事實(shí)上，基于這種技術(shù)（被稱為 "連續(xù)范圍"）的典型 USB存儲(chǔ)盤(pán)可容納的信息量是我們目前使用的USB存儲(chǔ)盤(pán)的 10 到 100 倍。

正如 JEDEC 所指出的，RAM 的密度每四年翻一番，RAM 制造商需要幾十年的時(shí)間才能最終達(dá)到這項(xiàng)技術(shù)目前所顯示的密度水平。

該設(shè)備也是神經(jīng)形態(tài)計(jì)算隧道中的一盞明燈。就像我們大腦中的神經(jīng)元一樣，這種材料（被稱為電阻開(kāi)關(guān)存儲(chǔ)器）有望同時(shí)用作存儲(chǔ)和處理介質(zhì)。這在我們目前的半導(dǎo)體技術(shù)中是根本不可能實(shí)現(xiàn)的：存儲(chǔ)單元和處理單元所需的晶體管和材料設(shè)計(jì)安排是如此不同（主要是在耐久性方面，即不出現(xiàn)性能衰減的能力），以至于目前還沒(méi)有辦法將它們?nèi)诤显谝黄稹?/p>

無(wú)法合并意味著信息必須在處理系統(tǒng)和各種緩存（現(xiàn)代 CPU）以及外部?jī)?nèi)存池（市場(chǎng)上最好的 DDR5 套件）之間不斷流動(dòng)。在計(jì)算領(lǐng)域，這被稱為馮-諾依曼瓶頸，意思是具有獨(dú)立內(nèi)存和處理能力的系統(tǒng)將從根本上受到它們之間帶寬（通常稱為總線）的限制。這就是為什么所有半導(dǎo)體設(shè)計(jì)公司（從英特爾到 AMD、Nvidia 以及其他許多公司）都設(shè)計(jì)了專用硬件來(lái)加速這種信息交換，例如 Infinity Fabric 和 NVLink。

問(wèn)題是，這種信息交換需要付出能量成本，而這種能量成本目前限制了可實(shí)現(xiàn)性能的上限。請(qǐng)記住，當(dāng)能量循環(huán)時(shí)，也會(huì)產(chǎn)生固有損耗，從而導(dǎo)致功耗增加（這是目前硬件設(shè)計(jì)的硬性限制，也是半導(dǎo)體設(shè)計(jì)中日益優(yōu)先考慮的問(wèn)題）以及熱量增加（這是另一個(gè)硬性限制，導(dǎo)致人們開(kāi)發(fā)出越來(lái)越多奇特的冷卻解決方案，試圖讓摩爾定律繼續(xù)向前發(fā)展一段時(shí)間）。當(dāng)然，還有可持續(xù)發(fā)展因素：預(yù)計(jì)在不遠(yuǎn)的將來(lái)，計(jì)算所消耗的能源將高達(dá)全球能源需求的 30%。

"第一作者、劍橋大學(xué)材料科學(xué)與冶金學(xué)系的馬庫(kù)斯-海倫布蘭德（Markus Hellenbrand）博士說(shuō)："在很大程度上，能源需求的激增是由于當(dāng)前計(jì)算機(jī)內(nèi)存技術(shù)的缺陷造成的。"在傳統(tǒng)計(jì)算中，一邊是內(nèi)存，一邊是處理過(guò)程，數(shù)據(jù)在兩者之間來(lái)回切換，既耗費(fèi)能源又耗費(fèi)時(shí)間。

正如你所想象的那樣，將內(nèi)存和處理功能合二為一所帶來(lái)的好處是相當(dāng)驚人的。傳統(tǒng)的存儲(chǔ)器只有兩種狀態(tài)（一或零，即 "二進(jìn)制 "術(shù)語(yǔ)的由來(lái)），而電阻開(kāi)關(guān)存儲(chǔ)器件可以通過(guò)一系列狀態(tài)改變其電阻。這使它能在更多電壓下工作，從而可以編碼更多信息。在足夠高的水平上，這與 NAND 領(lǐng)域的過(guò)程大致相同，每個(gè)單元比特的增加與存儲(chǔ)器單元設(shè)計(jì)中解鎖的更多可能電壓狀態(tài)相對(duì)應(yīng)。

區(qū)分處理和存儲(chǔ)的一種方法是，處理意味著信息正在進(jìn)行寫(xiě)入和改寫(xiě)（加法或減法、變換或重組），其速度與要求的開(kāi)關(guān)周期一樣快。存儲(chǔ)意味著信息需要在較長(zhǎng)時(shí)間內(nèi)保持靜態(tài)，例如，可能因?yàn)樗?Windows 或 Linux 內(nèi)核的一部分。

為了制造論文中提到的這些 "突觸 "設(shè)備，研究團(tuán)隊(duì)必須找到一種方法來(lái)解決材料工程學(xué)中的一個(gè)瓶頸，即均勻性問(wèn)題。由于氧化鉿（HfO2）在原子層面上不具備任何結(jié)構(gòu)，因此能決定其絕緣性能的鉿原子和氧原子是雜亂無(wú)章地沉積在一起的。原子結(jié)構(gòu)越有序，電阻就越小，速度和效率就越高。但研究小組發(fā)現(xiàn)，在無(wú)序氧化鉿薄膜中沉積鋇（Ba）會(huì)產(chǎn)生高度有序的鋇橋（或尖峰）。由于其原子結(jié)構(gòu)更加合理，這些橋可以更好地讓電子流動(dòng)。

這些照片是用透射電子顯微鏡（TEM）拍攝的，展示了氧化鉿沉積（無(wú)序和自然沉積，如圖 A）在可動(dòng)態(tài)變化的鋇尖峰隧道中的有序性增加。(圖片來(lái)源：劍橋大學(xué)/Markus Hellbrand 等人）

但當(dāng)研究小組發(fā)現(xiàn)他們可以動(dòng)態(tài)改變鋇尖峰的高度，從而對(duì)其導(dǎo)電性進(jìn)行精細(xì)控制時(shí)，有趣的事情就開(kāi)始了。他們發(fā)現(xiàn)，尖峰能以約 20ns 的速度提供切換能力，這意味著它們能在該窗口內(nèi)改變其電壓狀態(tài)（從而保持不同的信息）。他們發(fā)現(xiàn)開(kāi)關(guān)持續(xù)時(shí)間大于 10^4 個(gè)周期，記憶窗口大于 10 個(gè)。這意味著，雖然這種材料的速度很快，但它目前能承受的最大電壓狀態(tài)變化次數(shù)約為 10,000 次--這并不是一個(gè)可怕的結(jié)果，但也不是一個(gè)驚人的結(jié)果。

這相當(dāng)于 MLC（多層單元）技術(shù)的耐用性，這自然會(huì)限制它的應(yīng)用--將這種材料用作處理介質(zhì)（快速改變電壓狀態(tài)以存儲(chǔ)計(jì)算及其中間結(jié)果）。

粗略地計(jì)算一下，大約 20 ns 的切換導(dǎo)致工作頻率為 50 MHz（轉(zhuǎn)換為每納秒的周期數(shù)）。當(dāng)系統(tǒng)全速處理不同狀態(tài)時(shí)（例如，作為 GPU 或 CPU 工作），這意味著鋇橋?qū)⒃?0,002 秒左右停止運(yùn)行（達(dá)到其耐用極限）（請(qǐng)記住，它僅以 50 MHz 運(yùn)行）。對(duì)于處理單元來(lái)說(shuō)，它的性能似乎不夠。

但為了存儲(chǔ)？好吧，這就是存儲(chǔ)容量“密度高 10 到 100 倍”的 U盤(pán)的用武之地。這些突觸設(shè)備可以訪問(wèn)比當(dāng)今最寬敞的 U盤(pán)中最密集的 NAND 技術(shù)更多的中間電壓狀態(tài) - 是其 10 或 100 倍。

誰(shuí)不想擁有一個(gè) 10 TeraByte 甚至 100 TeraByte 的 "USB 7"？

在鋇橋的耐久性和開(kāi)關(guān)速度方面還有一些工作要做，但該設(shè)計(jì)似乎已經(jīng)是一個(gè)誘人的概念驗(yàn)證。更妙的是，半導(dǎo)體行業(yè)已經(jīng)在使用氧化鉿，因此需要解決的工具和物流問(wèn)題就更少了。

不過(guò)，這里有一個(gè)特別巧妙的產(chǎn)品可能性：想象一下，如果這項(xiàng)技術(shù)改進(jìn)到可以制造并用于設(shè)計(jì) AMD 或 Nvidia GPU（這些 GPU 目前的工作頻率約為 2 GHz）。在這個(gè)世界上，顯卡可以重置出廠狀態(tài)，完全作為內(nèi)存運(yùn)行（現(xiàn)在想象一下，顯卡有 10 TB 的內(nèi)存，與我們假設(shè)的 U盤(pán)相同）。

想象一下，在這個(gè)世界上，AMD 和 Nvidia 提供的基本上都是可編程 GPU，基于連續(xù)范圍的 GPU 芯片在最大存儲(chǔ)能力方面進(jìn)行了產(chǎn)品堆疊（請(qǐng)記住，比當(dāng)前 USB 密度高 10 到 100）。如果你是一名人工智能愛(ài)好者，正試圖構(gòu)建自己的大型語(yǔ)言模型（LLM），那么你可以對(duì) GPU 進(jìn)行編程，使這些合成設(shè)備、這些神經(jīng)形態(tài)晶體管恰到好處地運(yùn)行處理功能--隨著模型復(fù)雜度的增加，不知道最終會(huì)有多少萬(wàn)億個(gè)參數(shù)模型，因此內(nèi)存將變得越來(lái)越重要。

能夠決定顯卡中的晶體管是完全用作內(nèi)存還是完全用作養(yǎng)眼放大器以將圖形設(shè)置提高到 11 個(gè)，這完全取決于最終用戶；從休閑游戲玩家到高性能計(jì)算 (HPC) 安裝人員。即使這意味著我們芯片部件的壽命會(huì)明顯縮短。

無(wú)論如何，我們總是在升級(jí)它們，不是嗎？

不過(guò)，我們還是不要妄自菲薄了。盡管這并不像人工智能的發(fā)展和監(jiān)管那樣危險(xiǎn)，但妄想如此長(zhǎng)遠(yuǎn)也沒(méi)什么好處。就像所有的技術(shù)一樣，當(dāng)它準(zhǔn)備好的時(shí)候，它就會(huì)到來(lái)。

審核編輯：劉清