如可逆计算和神经形态芯片,4种奇特的新型计算方法

随着摩尔定律步伐放缓，工程师们一直在冷静观察，当定律失效后，如何继续驱动计算进步。人工智能当然将发挥作用。量子计算也有可能。但是，在计算领域里仍存在一些奇特的东西，其中的一部分在2017年11月IEEE重振计算科学技术国际会议上得到关注。

会议上探讨了一些对经典形式来说很酷的变化形式，如可逆计算和神经形态芯片。一些不太熟悉的概念也浮出水面，例如加速人工智能的光子芯片、纳米机械梳状逻辑以及“多维”语音识别系统。接下来要介绍一些既奇特又有潜力的东西。

冷量子神经元

工程师们常常羡慕大脑惊人的能源效率。人的一个神经元在每个尖峰电压出现时只消耗约10毫微微焦耳（千万亿分之一焦耳）的能量。美国国家标准与技术研究所（NIST）的迈克尔•L•施奈德（Michael L. Schneider）和他的同事们认为可以采用有两种约瑟夫森结的人工神经元来接近这个数字。

这些超导设备依靠电子对的隧道效应通过势垒，它们是建立当今最先进的量子计算机的基础，可用不到0.001毫微微焦耳的能量来产生尖峰电压。

NIST的科学家们想到了一种方法把这些设备连接成一个神经网络。在模拟中，他们训练网络来识别z、v和n这3个字母，这是一种基础测试。理想情况下，如果算上将其温度降低到4开尔文所消耗的能量，网络识别每一个字母仅消耗2毫微微焦耳。当然，现实无法与理想情况相媲美，但如果能够通过工程设计解决一些问题，就可以建立一个能耗与人类神经元一样少的神经网络。

用线计算

晶体管连接形成电路，线路之间的互联比以往任何时候都封装得更紧密。这会导致串音干扰，其中一条线上的信号通过寄生电容连接干扰邻线上的信号。密苏里大学堪萨斯分校的纳温•库马尔•马舍（Naveen Kumar Macha）和他的同事没有尝试消除这种干扰，而是去接受它。马舍说，在今天的逻辑电路中，“干扰信号是一个会传播的小故障，而现在我们想把它用在逻辑电路中”。

他们发现，某些互联模式对模拟基本逻辑门和电路的作用很有效果。假设3个相互连接的线路并行运行。向边上的一条线或两条线施加电压时，中心线上都会出现串扰电压。这样就形成了一个具有两个输入端的“或门”。

通过在各处合理地增加晶体管，堪萨斯分校的工作人员构造了与门、或门和异或门，以及执行进位功能的电路。这4种电路比相应的互补金属氧化物半导体（CMOS）电路使用更少的晶体管，芯片面积也小得多。

纳米团簇的攻击！

英国杜伦大学的工程师们已经教会了纳米材料薄膜来解决分类问题，比如在乳房X光检查中发现癌变。利用进化算法和自定义的电路板，他们通过电极阵列将电压脉冲发送到分散在液晶中的碳纳米管稀释混合液中。随着时间的推移，碳纳米管（导体和半导体的混合物）会排列成一个覆盖电极的复杂网络。

该网络能够解决优化问题的关键部分。更重要的是，纳米团簇可以学习解决次生问题，只要这个问题不像第一个问题那么复杂。

它能很好地解决这些问题吗?某些情况下，结果可与人类相媲美；而换一种情况则要差一些。尽管如此，它的效果还是令人惊讶的。帮助杜伦大学开发该系统的埃莱奥诺•维索尔-高登（Eléonore Vissol-Gaudin）说：“你要记住的是我们正在训练一团碳纳米管。”

硅电路板

数据在芯片内部容易移动，而在芯片之间则传输很慢且耗能大，如此差距令计算机设计师们心生抱怨。加州大学洛杉矶分校的工程师们表示，这是芯片封装和印刷电路板的问题。两者都是热的不良导体，所以限制了可以消耗的能量。它们也增加了芯片间数据传输所消耗的能量和时间。可以肯定的是，业界已经认识到这些缺点，并开始将多个芯片进行整体封装。

普尼特•吉普塔（PuneetGupta）和他在加州大学洛杉矶分校的合作者提议用一小块硅片代替印刷电路板。在这种“硅互连结构”上，未封装的裸硅片可以紧紧挤在100微米的长度内，通过与集成电路中同样精细、密集的互连相连接，能够减少延迟，降低能耗和系统尺寸。

这种方法也有利于将昂贵的系统单芯片（SoC）分解成价格低廉的“芯片粒子”，执行SoC不同内核的功能。更重要的是，由于硅比印刷电路板导热性能好，你可以以更高的速度运行这些处理器内核。