像你大脑一样工作的可重构计算机

印度科学研究所的工程师们近日发布了一款新一代计算机芯片，它只需改变自身的化学成分即可在多种计算任务之间切换。这种新设计借鉴了人脑的运作机制，为未来人工智能系统铺平了道路，这些系统不仅能够学习，而且本身就蕴含着丰富的知识。以下是您需要了解的内容。

开启计算的未来需要跳出固有思维模式。随着芯片性能接近其设计的理论极限，必须采用新的方法才能继续推动计算能力的提升。

芯片制造

在开发用于驱动下一代电子设备的更快、更小的芯片方面，硅被视为首选材料。这种储量丰富、价格低廉的半导体具有可接受的载流子迁移率，使其在与其他材料结合并通电时，既能作为绝缘体又能作为导体。

此外，氧化硅（二氧化硅）可以生长成薄片，用于支持多层电路设计。这一特性使其成为当今微电子和纳米电子领域的理想材料。然而，这种材料也存在一些严重的缺点。

硅加工过程中使用的化学物质会对环境造成危害。此外，硅材料在集成纳米电子器件方面也存在局限性。栅极长度小于7纳米的器件容易受到干扰。这些干扰可能由多种原因引起，包括信号泄漏和量子隧穿效应。

纳米电子学

纳米电子学是微型化的下一个阶段。这些尺寸小于100纳米的器件非常小，因此比起传统物理学，它们更容易受到量子力学的影响。由于在这种尺度下运行的复杂性，这些相互作用会导致界面变化和其他非线性响应。

神经形态计算

当电路缩小到纳米尺度时，依靠机械过程来完成任务变得极其困难。因此，工程师们转向神经形态计算方案来存储信息和执行计算。这些设备的设计灵感来源于大脑。

神经形态计算机利用氧化物材料和丝状开关技术来完成计算任务。这种结构只是将现有的计算方式缩小了，从而模拟学习过程。这种策略不同于制造一种将数据作为其自然结构一部分的设备。

因此，科学家们投入了大量精力来研发一种先进材料，这种材料能够在不改变其物理表面的情况下存储、计算和适应数据。然而，这种结构的复杂构造至今仍未被揭示。

分子电子学

为了创造更小、功能更全面的机器，分子电子工程师们开始尝试记录原子相互作用和量子作用，最终目标是能够非常准确地预测这些结果。

然而，这项任务似乎是不可能的。直到本月，一个科学家团队发布了一项突破性研究，展示了他们如何能够可靠地预测和控制这些行为。

可重构计算机研究

印度纳米科学与工程中心 (CeNSE) 的工程师和科学家们刚刚用“用于可重构神经形态功能的分子工程忆阻器¹”研究。

资源 - 先进材料

本文汇集了电气、化学和物理工程领域的最新进展，创造出能够调整其化学成分以发挥多种作用的纳米级器件，包括作为存储单元、逻辑门、处理器或电子突触。

可适应性分子装置

这项研究的成功表明，化学不仅可以支持计算活动，还能提供计算本身。此外，这种适应性使得同一器件无需添加材料或改变其物理形状，即可同时作为存储单元和计算单元运行。

预测框架

工程师们首先需要采取的步骤之一是找到一种方法来预测化学变化将如何影响电荷传输。具体来说，他们开发了一种量子化学建模算法，可以精确地追踪分子在薄膜中的运动轨迹。

该算法包含了许多其他相关数据，包括氧化还原反应如何影响每个分子以及它们如何与整体分子基质相互作用。这些数据随后被用于确定分子的整体稳定性，并实时记录任何反离子的移动。

工程师们利用预测算法，开始运用器件的切换行为来预测如何将单个器件从存储、计算等多种功能转换出去。该算法使工程师能够利用有机钌配合物精确调控局部分子环境和分子间相互作用。

忆阻器响应

研究团队利用该算法指导研究，成功地以编程方式调制了一个单个电路。令人印象深刻的是，他们实现了多种模式，包括数字、模拟、二进制和三进制存储。

为了完成这项任务，他们必须调整钌分子周围的配体和离子。这种适应性被扩展到包括各种电导值，从而动态地重新配置固态器件的功能。

滑动滚动→

可重构计算机测试

为了验证他们的理论，科学家们必须专门合成钌配合物。他们成功合成了17种用于这项研究的钌配合物，这使他们能够监测分子构型和离子设置的微小变化。

该设备的制造由帕拉维·高尔 (Pallavi Gaur) 主导。高尔报告称，该设备无需材料改变即可在存储、计算和重构之间切换。这一能力使该设备更接近人脑的运作方式，推动了神经形态计算科学的发展。

可重构计算机测试结果

测试结果证实了工程师的理论，即在同一种材料中实现存储和计算是可行的。它还展示了如何利用化学来进行计算，而不仅仅是作为器件活性元件的补充。因此，这项工作将纳米计算和化学工程技术相结合，为更小、更强大的量子器件铺平了道路。

可重构计算机的优势

可重构计算机的研究为市场带来了诸多益处。首先，它为纳米级电子器件开辟了新的天地。过去，这类器件的尺寸只能做到很小的程度，超过这个程度就会失去可靠性。由于它们包含活动部件，因此无法确定它们在纳米尺度上的运行性能。

这种新方法使固态器件能够执行多种计算任务，例如充当存储元件、逻辑门、选择器、模拟处理器或电子突触。这种灵活性将有助于未来的工程师设计出功能更强大、重量更轻的器件。

干扰少

这种结构还能减少量子隧穿效应和其他问题在讨论分子级器件时造成的干扰。器件尺寸越小，就越容易受到外部干扰。考虑到器件小型化的发展趋势，就不难理解为什么大多数人认为这种方法具有颠覆性意义。

附加电导

另一个主要优势是提高了导电性。纯硅的导电性和绝缘性都不理想。因此，需要添加其他物质和化学物质来改善其性能。这种新设计提高了可靠性，并能支持更高的导电性。具体来说，科学家们记录到导电性提高了六个数量级。

可重构计算机：实际应用及发展历程

可重构计算机的多种应用有望让数百万人的生活更加便捷。例如，它们最终将用于人工智能应用。人工智能系统需要在设备和参考数据之间传输海量数据。

目前，计算逻辑和内存之间存在极小的延迟，导致计算速度变慢。随着计算量的增加，这种延迟会越来越大。这种方法可以消除逻辑、内存和其他核心任务分离的必要性，使单个设备能够在需要时即时切换。

下一代医疗器械

医疗领域是这项技术能够发挥重大作用的另一个领域。植入物和其他内部装置可以做得更小，活动部件更少。这种方法可以降低手术创伤，并在需要时为额外的计算能力腾出空间。

可重构计算机时间线

可能还需要7到10年的时间才能见到可重构计算机。这些设备将首先应用于大型人工智能系统，帮助降低运营成本并提高效率。然而，目前仍需进行大量的测试和开发工作，同时还需要找到能够大规模生产这些设备的合适制造商。

可重构计算机研究人员

这项可重构计算机研究是由印度科学研究所的一个研究团队完成的。该研究由纳米科学与工程中心（CeNSE）助理教授斯里托什·戈斯瓦米（Sreetosh Goswami）领导。

该研究的分子合成部分由拉马努金研究员普拉迪普·戈什和桑蒂·普拉萨德·拉斯完成。论文还列出了沙永·巴塔查里亚、洛希特·T、哈里维格内什·S和达米安·汤普森作为贡献者。

可重构计算机的未来

研究人员面临着艰巨的任务。目前，他们正在探索如何将这项技术融入到现有的CMOS芯片制造工艺中。他们的总体目标是制造出内置智能的器件，从而提升器件的性能、稳定性和效率。

投资内存计算领域

芯片制造领域有多家公司蕴藏着诱人的投资机会。随着人工智能和其他高性能计算系统逐渐成为主流，这些公司创新产品的需求也日益增长。以下这家制造商始终处于芯片代工技术的前沿。

GSI技术（GSIT）

尽管上述研究着重介绍了分子计算的未来发展方向，但GSI Technology目前正在将基于硅的分子计算版本商业化。GSI是关联处理单元（APU）的开发商，这项技术通过直接执行计算，从根本上改变了计算机处理数据的方式。 到位 在内存阵列中——这一概念被称为“内存计算”（CIM）。

该架构解决了研究中提到的“冯·诺依曼瓶颈”（逻辑与内存分离造成的延迟）。GSI 的 Gemini® APU 无需在处理器和内存之间来回传输数据，从而大幅提升了 AI 和搜索工作负载的性能。

康奈尔大学最近的基准测试证实，GSI 的 APU 在特定 AI 任务上可以达到顶级 GPU（如 NVIDIA A6000）的性能，同时能耗降低约 98%。

GSI Technology总部位于加利福尼亚州桑尼维尔市，并在纳斯达克上市。其抗辐射加固的存储产品已成为航空航天和国防领域的主力军，为其向更广泛市场推出尖端人工智能芯片提供了稳定的收入基础。

对于那些寻求在北美上市的、专注于未来内存计算领域的“纯粹”公司的投资者来说，GSI Technology 值得关注。它代表着传统硅芯片与研究人员所设想的“嵌入式智能”未来之间的一座切实可行的桥梁。

GSI Technology (GSIT) 最新新闻及性能

可重构计算机 | 结论

可重构计算机的出现彻底改变了一切。未来，所有活动部件都将被化学反应取代，设备将变得超级可靠耐用。此外，这项技术也为更小巧、更复杂的设计打开了大门，这些设计不再依赖机械部件，而是依靠有机化学反应。

所有这些因素，以及其他更多因素，使得可重构计算机的研究成为一项颠覆性突破，它有可能开启计算和人工智能融合的新时代。因此，这项研究备受关注。目前，研究团队将专注于简化制造流程，降低生产成本和复杂性。

了解其他酷炫的计算技术发展 请点击此处.

案例

^{1. Gaur, P., Kundu, B., Ghosh, P., Bhattacharya, S., T, L., S, H., Rath, SP, Thompson, D., Goswami, S., & Goswami, S. 用于可重构神经形态功能的分子工程忆阻器。先进材料，e09143。 https://doi.org/10.1002/adma.202509143}