最薄的存儲器件：存儲密度高，計算能力強！
背景
許多年來，傳統的計算機體結構一直都是基於馮諾依曼體系結構。在馮諾依曼體系結構中，CPU與內存是分離的，存儲器（內存）用於存儲程序指令和數據，CPU用於執行指令和處理相關數據。但是，相對於內存的數據容量，CPU與內存之間的吞吐量（即數據傳輸率）顯得很小；此外，整個數據吞吐量也遠遠低於CPU處理數據的工作效率。
隨著計算機技術的進步，CPU速度不斷提高，內存容量也不斷擴大，但是內存訪問速度卻增長緩慢，導致瓶頸日趨嚴重。一項新的存儲技術：憶阻器，讓我們看到了解決這一瓶頸的希望。
（圖片來源：南安普敦大學）
憶阻器是一種有記憶功能的非線性電阻。通過控制電流變化可改變其阻值，如果把高阻值定義為「1」，低阻值定義為「0」，它就可以實現存儲數據的功能。憶阻器不僅可用於存儲數據，還可以實現邏輯計算。因此，它能有效解決CPU與內存之間的速度不匹配的問題，即所謂的「馮·諾依曼瓶頸」和「內存牆」問題，進一步突破帶寬和功耗限制。
在存儲技術中，經常使用的隨機存取存儲器（RAM）可隨時讀寫，速度很快，但電源關閉後，數據無法保存，因此具有「易失性」；快閃記憶體（Flash）在電源關閉後，可以長久地保持數據，具有「非易失性」，可是它的速度比RAM要慢。然而，憶阻器正好完美地結合了二者的優勢，既快速又可靠。
如今，神經網路的高度並行計算架構正日趨興起。人工智慧和機器學習的發展，更是為神經網路計算注入了新的活力。神經網路受到人類大腦啟發，由神經元、節點、突觸以及節點之間的連接組成。人類大腦中，神經突觸可以作為神經元之間的連接，進行信息傳遞。這種連接是牢固的，當更多的神經突觸受到刺激時，學習能力會得到提升。
然而，憶阻器的工作方式與神經突觸有點類似。在對其施加電壓脈衝之後，其電阻會發生變化，就像生物神經元一樣。當電阻值低時，這種突觸連接會加強，當電阻值高時，這種突觸連接會減弱。憶阻器的學習能力，正是基於這種可調整的電阻。因此，憶阻器被認為是是下一代神經網路和神經形態計算里最有前景的硬體單元。
憶阻器網路，與人類大腦的神經網路相似，可同時處理許多任務。最重要的是，它無需反覆移動數據，可以並行地處理大量信號，特別適合於機器學習系統。對於實現深度神經網路而言，相對於傳統計算機系統結構，憶阻器是一個更好的選擇。
創新
然而，憶阻器的存儲密度和可擴展性仍有待於進一步提高。今天要介紹的創新科技是在憶阻器（memristor）的基礎上改造而成的，它就是由二維納米材料製成的"atomristor" （Akinwande 創造出的術語）。
（圖片來源：科克雷爾學工程學院）
美國德克薩斯大學奧斯汀分校（University of Texas at Austin）的電氣工程師團隊與中國北京大學的科學家們進行合作，開發出迄今為止最薄的、具有高存密度的存儲器件：atomristor。
研究團隊將研究成果發表於一月份發行的《納米快報》（Nano Letters）刊物。
技術
全世界的工程師們都在開發各種各樣的替代方案，希望在更小的計算機晶元上實現更大的存儲容量。迄今為止，過去採用二維原子薄片製作存儲器件的研究一直都未能釋放出它們的潛力。
德克薩斯大學奧斯汀分校科克雷爾學工程學院電氣和計算機工程系副教授 Deji Akinwande 表示：「長時間以來，科學家們一致認為根本沒有可能使用只有一層原子厚度的材料製造存儲器件。然而，我們通過新型的『atomristor』展示這一切確實是有可能的。」
Akinwande 表示：「Atomristor 通過將納米級的存儲器與納米晶體管，在同一塊高級計算系統晶元上進行三維集成，從而推進摩爾定律在系統級別發展。」
迄今為止，在一個微型集成電路上，存儲和晶體管都是相互獨立的組件，但是，atomristor在更高效的單個計算機系統上，集成了二者的功能。
Akinwande和他的團隊發現了二硫化鉬等原子級二維材料的非易失性記憶效應。這種效應類似於金屬氧化物材料中的憶阻器。這些器件可以被統稱為晶閘管，本質上是在原子級薄膜納米材料或原子片層中的憶阻效應。由於二硫化鉬和相關材料都是晶體，並具有良好的隔電性以防止電流流動，所以可以在工用型晶閘管中實現。
通過使用金屬性的原子薄片（石墨烯）作為電極和半導體的原子薄片（二硫化鉬）作為活性層，整個存儲單元就像一個1.5納米厚的三明治，從而可以在一個平面中逐層地密集封裝atomristors。相對於傳統的存儲器件來說，它的優勢很明顯，因為它佔據的空間小很多。此外，厚度變薄，也導致了更快速、更高效的電子流。
（圖片來源：參考資料【2】）
由於它們特定的尺寸、容量、集成柔性，atomristor 能夠封裝到一起，製造出高級三維晶元，這些三維晶元是成功開發腦啟發計算的關鍵。在這個新興的工程領域最大的挑戰之一就是：如何製造出一種類似於在人腦中發現的存儲架構。
價值
這項研究為更快、更小、更智能的計算機晶元鋪平了道路，這些晶元將應用於從消費電子產品、大數據、腦啟發計算等各個領域。
Akinwande 表示：「通過將這些合成的原子薄片相互層疊在一起，加上集成集體管設計，可以製造出這種存儲器。這種存儲器的高密度意味著我們有望製造出能夠像我們大腦一樣學習和記憶的計算機。」
研究團隊也發現這項技術另外一項獨特的應用。在現有的各種設備中，例如智能手機和平板電腦，無線電頻率開關用於將來自天線的輸入信號與許多無線通信頻段中的一種連接起來，從而讓設備的不同部件相互通信和合作。這項活動會顯著影響智能手機的電池壽命。atomristor 是最小的無線電頻率存儲開關，而且沒有直流電池損耗，從而最終導致更長的電池壽命。
Akinwande 表示：「總的來說，我們感覺這一發現具有真正的商業化價值，因為它不會干擾現有的技術。相反地，它的設計彌補了現代技術設備中已經使用的硅晶元的缺陷，並且可以與硅晶元集成到一起。」
關鍵字
憶阻器、存儲技術、二維材料、神經網路、半導體
參考資料
【1】https://news.utexas.edu/2018/01/17/ultra-thin-memory-storage-device-for-more-powerful-computing
【2】http://pubs.acs.org/doi/10.1021/acs.nanolett.7b04342
TAG:IntelligentThings |