[[421942]]

本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

用電壓控制有機(jī)分子材料，實(shí)現(xiàn)決策樹算法，相當(dāng)于實(shí)現(xiàn)了if-then-else語句的功能。

不僅如此，研究人員還用多個元件攢出一棵有71個節(jié)點(diǎn)的復(fù)雜決策樹。

這篇論文發(fā)表在最新一期Nature上。

更厲害的是，不像傳統(tǒng)固定寫死的電路，這種元件還具有可動態(tài)重編程的特性。

重編程的方式也很簡單，只需要改變電壓就能做到。

在一個時間步內(nèi)完成復(fù)雜計算后，施加不同的電壓脈沖，下一個瞬間能完成另一項(xiàng)計算任務(wù)。

就像人類大腦可以通過斷開和建立神經(jīng)元間的鏈接來重新布線一樣。

論文作者之一Venkatesan認(rèn)為，一個他們的新元件能完成的計算功能換成晶體管需要數(shù)千個。

這個新型元件叫分子憶阻器 （Molecular Memristor）。

憶阻器是一種基礎(chǔ)電路元件，可以代替晶體管完成通用計算，開發(fā)出新型CPU。

而且能把存儲和運(yùn)算集成到一起，省去數(shù)據(jù)在CPU和內(nèi)存之間來回搬運(yùn)消耗的時間。

這次登上Nature的分子憶阻器，用有機(jī)分子代替了傳統(tǒng)憶阻器中的金屬氧化物，讓元件在不同溫度下保持穩(wěn)定，計算也更精準(zhǔn)。

因此Nature給出的評價是：

開辟了一條通向超高效計算的道路。

憶阻器研究受到Nature青睞的原因還有一個，有望打破當(dāng)前算力發(fā)展的瓶頸。

算力發(fā)展遇到什么瓶頸？

從你的手機(jī)、家用電腦直到超級計算機(jī)，算力進(jìn)一步提升都要面對一個問題：馮諾依曼瓶頸。

馮諾依曼體系的計算機(jī)，運(yùn)算器和存儲器是分開的，也就是我們熟悉的CPU和內(nèi)存。

除了數(shù)據(jù)在CPU和內(nèi)存之間被來回搬運(yùn)很浪費(fèi)時間和功耗意外，現(xiàn)在還出現(xiàn)新的問題。

由于CPU的運(yùn)算速度增長比內(nèi)存存取速度快的多，內(nèi)存成了拖后腿的，越來越限制CPU性能的發(fā)揮。

這個問題在GPU和顯存之間同樣存在，在AI訓(xùn)練中也被叫做“內(nèi)存墻”，成了AI訓(xùn)練的一大障礙。

近年來有個解決思路就是把計算和存儲放到一起，也就是設(shè)計存算一體的芯片。

用憶阻器 (Memristor)就是實(shí)現(xiàn)存算一體的方法之一。

憶阻器是電阻、電容和電感之后的第4種電路基本元件，1971年被華裔科學(xué)家蔡少棠從理論上預(yù)言。

如上圖所示，傳統(tǒng)的三大元件中，電阻器反映的是電壓與電流之間的關(guān)系，電容器反映的是電荷量與電壓的關(guān)系，電感反映磁通量與電流之間的關(guān)系。

蔡少棠根據(jù)理論上的對稱性推斷，應(yīng)存在一種元件可以反映電荷量與磁通量之間的關(guān)系。

對這種元件施加正電壓，其阻值會隨著通過的電流改變，如果電流停止電阻會停留在當(dāng)前值，相當(dāng)于“記住”了電流量。

如果施加反向電壓，通過元件的反向電流會讓阻值回到原位，相當(dāng)于“擦除”了之前的記憶。

所以蔡少棠把英文中的Memory(記憶)+Resistor(電阻器)組合起來把這種元件命名為Memristor（憶阻器）。

如果把高阻值定義為1，低阻值定義為0，憶阻器就可以同時實(shí)現(xiàn)二進(jìn)制的計算和存儲。

憶阻器的這種特性和人類神經(jīng)元中的突觸十分類似，所以基于憶阻器的計算也被稱作“類腦計算”。

憶阻器的基本結(jié)構(gòu)就像一個三明治，由兩片金屬夾著中間的一層薄膜。

2008年惠普首次用二氧化鈦薄膜研制出金屬氧化物憶阻器，后來又發(fā)展出二氧化鈮、二氧化釩等使用不同材料的憶阻器。

但這些基于金屬氧化物的憶阻器有幾個共同的弱點(diǎn)。

一個是只能在限定溫度范圍里工作，還有一個是不夠穩(wěn)定，多次運(yùn)算的結(jié)果在統(tǒng)計上存在偏差。

尋找更好的替代材料就成了關(guān)鍵。

動態(tài)可重構(gòu)的分子憶阻器

嚴(yán)苛的環(huán)境限制，不穩(wěn)定的計算結(jié)果，其實(shí)都可以歸結(jié)為沒有靈活應(yīng)對變化環(huán)境的能力。

這也是因?yàn)?，即使是最先進(jìn)的半導(dǎo)體邏輯電路，也是基于硬連接的閾值開關(guān)來執(zhí)行預(yù)訂的邏輯功能的。

那么，有沒有提高這些邏輯電路性能的方法呢？

研究團(tuán)隊提出了一種思路：將復(fù)雜的邏輯功能固定在單個電路元件的材料屬性里。

于是，他們設(shè)計了一種新的有機(jī)分子：

這是一種由一個金屬鐵原子作為中心，再結(jié)合三個被稱為配體的苯基偶氮吡啶有機(jī)分子（phenyl azo pyridine organic molecules）形成的“電子海綿”。

它最多能可逆地吸收六個電子，產(chǎn)生七種不同的氧化還原狀態(tài)。

這種材料會以一層分子薄膜的形式旋鑄在電路的底層電極上。

制成的薄膜經(jīng)驗(yàn)證，在-40℃到70℃不同溫度間進(jìn)行1300次重復(fù)實(shí)驗(yàn)?zāi)鼙３址€(wěn)定。

另外最底下還有一層電極，是一層60納米的氧化銦錫（ITO）薄膜，表面涂有場增強(qiáng)的金浸潤的納米盤（gold nano- disks）：

這樣，我們就得到了一種具有特殊分子結(jié)構(gòu)的憶阻器。

在向這種憶阻器施加電壓時，它能夠具有持續(xù)的高電阻和低電阻狀態(tài)。

而與傳統(tǒng)的氧化物憶阻器不同，這種分子憶阻器還能夠在高導(dǎo)電性和低導(dǎo)電性之間突然發(fā)生轉(zhuǎn)變。

同時，分子憶阻器的當(dāng)前電導(dǎo)率也取決于曾經(jīng)的歷史狀態(tài)：

團(tuán)隊中的Venkatesan對此這樣解釋：

你可以把這個裝置想象成一個開關(guān)，當(dāng)施加負(fù)電壓時，分子材料中的配體會還原或獲得電子，裝置會首先從開切換到關(guān)，再從關(guān)到開，然而在開關(guān)兩個狀態(tài)之間不斷反復(fù)。

通過這種“兩極開關(guān)”的特性，邏輯操作的輸出就能被數(shù)字化并存儲。

而且控制開關(guān)的氧化還原機(jī)制是由分子內(nèi)在的能級結(jié)構(gòu)決定，開關(guān)的觸發(fā)條件非常精準(zhǔn)。

為了將這種物理行為與高效的計算聯(lián)系起來，團(tuán)隊中的Goswami提出，可以從算法層面來理解這種復(fù)雜的電流-電壓分布：

也就是包含了if-then-else語句的決策樹算法。

這是一個由71個節(jié)點(diǎn)組成的決策樹，其中紅色指關(guān)電導(dǎo)狀態(tài)，綠色指開電導(dǎo)狀態(tài)。

每一個氧化還原狀態(tài)可以提供不同的初始條件，然后產(chǎn)生自己的樹集（也就是通過一組相互關(guān)聯(lián)的輸入來預(yù)測輸出的邏輯函數(shù)）。

這樣，憶阻器的物理特性便直接將輸入與輸出連系了起來。

當(dāng)條件改變，需要去處理或?qū)W習(xí)一樣新的東西時，只要施加一個不同的電壓脈沖，設(shè)備就能夠進(jìn)行邏輯上的重新編程或重新配置。

這就不禁讓人想起大腦神經(jīng)的可塑性。

大腦可以通過建立和斷開神經(jīng)細(xì)胞之間的連接，以此改變周圍的線路。

而現(xiàn)在我們創(chuàng)造的這種分子裝置也能夠通過重新編程改變邏輯，進(jìn)而實(shí)現(xiàn)這種重構(gòu)。

此外，這一分子憶阻器還能實(shí)現(xiàn)CPU中使用的通用邏輯功能，包括AND、OR、NAND、XOR。

這也就意味著它同時擁有寄存器和執(zhí)行單元的功能。

如果用在電腦或手機(jī)里，那么在寄存器和執(zhí)行單元之間進(jìn)行數(shù)據(jù)穿梭所花費(fèi)的時間和功耗將被大大減少。

現(xiàn)在，這種全新的電路元件總能量和面積（area）方面的效率，至少要比利用DRAM作為存儲器的CMOS高出2個數(shù)量級。

團(tuán)隊介紹

Sreetosh Goswami，一作兼通訊作者，新加坡國立大學(xué)（NUS）物理系，同時也是新加坡國立大學(xué)納米研究所（NUSNNI）的成員。

主要研究方向是納米電子學(xué)和光電子學(xué)，這次整個項(xiàng)目主要由他設(shè)計，并進(jìn)行了電學(xué)和光譜測量。

Sreebrata Goswami，通訊作者，印度科學(xué)普及協(xié)會（IACS）的化學(xué)科學(xué)學(xué)院教授，他設(shè)計出了這次用到的有機(jī)分子材料。

Stanley Williams，通訊作者，德州農(nóng)工大學(xué)的電子與計算機(jī)工程系教授，主要研究方向是納米電子學(xué)，曾獲2014年IEEE杰出工程師。

T. Venkatesan，通訊作者，現(xiàn)任新加坡國立大學(xué)納米研究所所長，是脈沖激光沉積工藝的創(chuàng)始人。

論文地址：
https://www.nature.com/articles/s41586-021-03748-0

《Nature》News&Views點(diǎn)評

https://www.nature.com/articles/d41586-021-02323-x