分子科学学报

综合新闻

能打造新型CPU的分子元件,if语句攒出决策树,能

来源:分子科学学报 【在线投稿】 栏目:综合新闻 时间:2021-09-07

奥菲斯发来的博文梦辰

量子比特报告|公众号QbitAI

利用电压控制有机分子材料实现决策树算法等价于if-then-else语句功能的实现。

不仅如此,研究人员还使用多个组件创建了一个具有 71 个节点的复杂决策树。

该论文发表在最新一期的 Nature 上。

更强大的是,与传统的固定写入电路不同,该组件还具有动态可重编程的特点。

重新编程的方法也很简单,只需改变电压即可。

在一个时间步完成复杂的计算后,施加不同的电压脉冲可以在下一瞬间完成另一项计算任务。

就像人脑可以通过断开和建立神经元之间的联系来重新连接一样。

该论文的作者之一文卡特桑认为,需要数千个晶体管才能转换其新组件可以执行的计算功能。

这种新型元件被称为Molecular Memristor (Molecular Memristor)

忆阻器是基本电路元件,可以代替晶体管完成一般计算,开发新型CPU

此外,存储和计算可以集成,节省数据在CPU和内存之间来回移动所消耗的时间。

这次我登上了Nature的分子忆阻器,用有机分子代替了传统忆阻器中的金属氧化物,让元素在不同温度下都保持稳定,计算更准确。

所以 Nature 的评价是:

开辟了一条道路超高效计算 路。

忆阻器研究受到自然青睐还有一个原因,有望打破目前计算能力发展的瓶颈。

算力发展遇到哪些瓶颈?

从你的手机、家用电脑到超级电脑,计算能力的进一步提升将不得不面对一个问题:冯诺依曼瓶颈。

在冯诺依曼系统的计算机中,算术单元和内存是分开的,也就是我们熟悉的CPU和内存。

除了数据在 CPU 和内存之间来回移动,它是一个浪费时间和精力。消费出乎意料,现在又出现了新的问题。

因为CPU的计算速度比内存访问速度提升的快很多,内存就成了拖累,越来越限制CPU的性能。

这个问题在GPU和显存之间也存在。它也被称为人工智能训练中的“记忆墙”,成为人工智能训练的一大障碍。

近几年的解决方案是把计算和存储放在一起,也就是设计一个存储和计算相结合的芯片。

使用忆阻器(Memristor)是实现存储与计算一体化的方式之一。

忆阻器是继电阻、电容和电感之后第四个基本电路元件。 1971年由中国科学家蔡少堂理论预测。

如图上图,在传统的三个元件中,电阻反映的是电压和电流的关系,电容反映的是电荷量和电压的关系,电感反映的是磁通量和电流的关系。

根据理论对称性,蔡少堂推断应该有一种元素可以反映电荷量与磁通量的关系。

给这个元件施加一个正电压,它的电阻会随着通过的电流而变化。如果电流停止,电阻会停留在电流值,相当于“记住”了电流量。

如果施加反向电压,通过元件的反向电流会使电阻返回到原来的位置,相当于“擦除”了之前的记忆。

所以蔡少堂把英文的Memory(Memory)+Resistor(Resistor)组合起来,把这个元件命名为Memristor(memristor)。

如果高阻值定义为1,低阻值定义为0,忆阻器可以同时实现二进制计算和存储。

忆阻器的这个特性与人类神经元中的突触非常相似,所以基于忆阻器的计算也被称为“类脑计算”。

忆阻器的基本结构就像一个三明治,两片金属之间夹着一层薄膜。

2008 年,HP 首次使用钛开发了金属氧化物忆阻器二氧化膜。后来,开发了使用二氧化铌和二氧化钒等不同材料的忆阻器。

但是这些基于金属氧化物的忆阻器有几个共同的弱点。

一是只能在有限的温度范围内工作,二是不够稳定,多次计算的结果在统计上有偏差。

寻找更好的替代材料成为关键。

动态可重构分子忆阻器

严格的环境约束和不稳定的计算结果实际上可以归因于不灵活应对环境变化的能力

这也是因为即使是最先进的半导体逻辑电路也是基于硬连线的阈值开关来执行预定的逻辑功能。