|
美国能源部、国家科学基金会、国防部、国家标准与技术研究院以及情报机构联合发布了题为《基于纳米技术发展未来计算面临的重大挑战》的白皮书。该白皮书阐述了7个优先发展的技术事项和7个重点研究领域,并分别提出7个重点研究领域的近期、中期和远期技术目标。 2015年10月20日,白宫公布“基于纳米技术的重大挑战”项目,计划通过集成多个科学领域的创新成果,研发变革性的计算能力。该项目致力于解决3个高优先级计划:国家纳米技术计划(NNI)、国家战略计算计划(NSCI)和推进创新型神经技术脑研究计划(BRAIN)。 ▲了解大脑运行机制有助于为材料、设备和系统提供技术概念和创新的工程架构，以实现高效自主计算 (1)发展可自主运行的智能大数据传感器,能通过网络对其进行编程以提高灵活性,并支持与其他网络节点的通信,同时保持安全性并避免受到其他被感知物体的干扰。 (2)研发基于快速大规模数据分析实现的用于科学发现的机器智能,具备理解和分析结果能力并促进创新。 (3)在线机器学习能力,包括一次性(One-shot)学习,以及处理多维和未标记数据集的新型方法和技术。 (4)开发网络安全系统,可防止(或尽可能减少)未经授权的访问,识别异常行为,确保数据和软件代码完整性,并为判断对手意图或态势感知提供诸如制止、探测、保护和适应等情境分析。 (5)能够安全操作复杂平台、能源或武器系统的技术,这些平台或系统需要非常复杂的软件(或多重代码的组合)。 (6)开发诸如类脑计算、量子计算等新兴计算架构平台,以显著优化算法性能、并行计算和执行性能,同时维持原有能耗或降低能耗,通过生物计算技术使能耗比当前最先进系统降低超过6个数量级(即从兆瓦级到瓦级能耗)。 (7)发展可支持“观察-判断-决策-行动”(OODA,奥达循环)过程的自主或半自主平台,用于军事和交通、医药、科学发现、探索和灾害响应等民事用途。 ▲为了确保持续技术进步，研究界需要获得先进的纳米制造能力，还需要与工业界合作，实现新型制造方法的商业化 该白皮书阐述了7个重点研发领域,及其在未来5年、10年和15年的技术目标。 材 料 先进器件和架构需要新型功能材料和新型材料集成(Materials Integration)方法。具体需求包括:用于超低功耗数字开关、10纳米级以下连接器、芯片内光学通信、新型计算架构(如类脑计算、量子计算等)的材料。新型二维材料在纳米电子学应用方面具有巨大潜能。石墨烯和其他二维材料(如氮化硼、二硫化钼、二硫化钨和氟化石墨烯)目前正被考虑用于纳米电子学应用。个别二维材料可被转化为具有原子精度的异质结构,从而创造具有新型电子特性的材料。与单一材料相比,通过组合不同二维材料形成的超晶格结构可提供更多不同的物理学和传输特性。由于二维材料的能带结构取决于层数,仅通过改变一个元件的厚度就能微调相应的电子和光学特性。 所有生物计算系统的一个重要属性就是使用三维材料和结构。因此,三维纳米制造方法对于未来脑启发计算技术至关重要。潜在发展方向包括:三维芯片蚀刻法、三维自组装(包括可编程、DNA控制的自组装)和喷墨印刷。此外,用于生物计算的三维纳米材料制造可为未来制造技术提供启迪。 未来电子硬件可能需要新的材料基础,以替代当前大部分电子器件使用的硅材料,可回收或重复利用的可分解或可生物降解材料将发挥重要作用。此外,还需要探索这种替代材料在集成化系统制造中的潜在作用。 技术目标:5年目标——确定适合并有潜力应用于器件制造和CMOS集成的有前景的新兴材料系统。同时发展测量科学与技术,用于确定材料特性和尺度效应。 10年目标——实现不同尺度的物理建模与仿真,用于表征、模拟、预测潜在器件的行为和性能,以支持未来电路的设计和分析。同时,解决与材料相关的发现、表征和可制造性等多方面的问题。 15年目标——从根本上了解新材料系统的特性、尺度以及性能的预测、表征;新材料系统对于新器件设计、制造和扩展的适用性以及与CMOS相集成的能力。 器件与互联 正在进行的“纳米技术签名计划:2020年及未来纳米电子器件发展”探讨了使用基于非电荷的器件替代传统基于电荷的晶体管的效用。其目的是确定是否可以使用其他状态变量(如电子自旋、磁化、应变、相位、分子构象或其他物理量)实现开关作用,从而代替电量(电荷、电压、电流)在晶体管中的作用,最终确定这种新型器件是否可以带来巨大效益。该工作的结果是一系列基于非电荷的器件,包括呈现开关现象的机械器件,但还没有一个备选方案成为当前CMOS硅晶体管的理想替代物。 随着毫伏开关的出现,将其组织并互联成为更高级功能模块的任务需要全新的计算机架构。当前高级数字电路的性能严重受到降低开关能耗需求的限制,许多更节能的新型器件概念已被提出,或将大幅减少这种限制。 目前需要探索用于互联的传统和创新技术(及材料)。传统技术包括电子器件、三维堆叠、射频、光子器件和硅纳米光子器件,新兴技术则基于新材料和器件,如基于碳纳米管的连接器、利用表面等离子体激元的太赫兹解决方案和超材料。当前的器件研究主要集中在单器件的验证。但同样重要的是将数十亿个纳米级器件和连接器集成到计算架构中,同时确保合适的编程模型、软件和制造工艺的可用性。 技术目标:5年目标——制造和表征具有潜在可扩展性并能与CMOS集成的新兴器件、电路和连接器。开发开源器件模型和仿真技术,并与开放的工业标准电路设计和仿真工具、环境相结合。 10年目标——开发包含非线性现象和制造参数的标准函数库。开发适用于大规模数字和模拟电路架构的设计和仿真环境。 15年目标——实现器件和电路的设计、建模和仿真环境,能够基于未来计算系统需求来预测器件结构、行为和性能。最终目标是尽可能降低对材料或器件物理学方面专业知识的需求,以便基于预期用户特性、行为和应用来确定新材料系统和电路,并据此创造和设计器件。 计算架构 为了突破当前以冯·诺依曼架构为基础的计算架构的局限性,未来需要研发全新的计算架构。与通用计算机相比,专用集成电路(ASIC)可为特定任务显著改进性能,但设计成本相对较高;开发特定领域的架构设计原则是目前用于降低成本的一种方法。3D集成电路技术、交叉式内存控制器架构、微流体冷却技术和软硬件一体化设计原则等技术也可用于优化未来计算架构性能。 克服冯·诺依曼瓶颈的一种存储处理方法是固态非易失存储器。其他方法还包括近似、概率和随机计算。为这些方法开发的算法、架构和技术还能通过尽可能减少训练数据需求、提高性能和降低能耗,为类脑计算方法带来巨大好处。 架构设计创新需要保持计算性能的发展并解决功耗挑战。一个重要研究目标是设计计算器件,利用由可替代硅基CMOS技术的新材料系统来建造超低功耗器件。研究重点之一是将数十亿个纳米级器件和连接器集成到容易制造的新型计算架构中,同时开发所需的编程模型、软件等。 技术目标:5年目标——在数字和模拟领域实现未来计算架构的大规模设计、建模、表征和验证。利用高性能计算平台的新进展,实现高并行、高并发、速度超百亿亿次级的大规模仿真计算。这将使当前的数字计算方法与需要模拟接口及其他新型接口的量子或生物计算方法相结合。 10年目标——能够预测包含新材料系统和物理非线性现象的新型架构的性能。 15年目标——能够根据用户应用需求预测计算架构的设计和表征。 类脑计算方法 了解大脑运行机制有助于为材料、设备和系统提供技术概念和创新的工程架构,以实现高效自主计算。该研究领域的目标是了解计算的性质、方法和机制,以及大脑如何执行某些任务。研究内容可划分为神经形态计算和人工神经网络(ANN)方法。神经形态计算的目标是提供一种硬件方法,对大脑的计算架构进行逆向工程分析。ANN方法包括机器学习算法,可利用神经科学的新进展和新型认知、数学和统计技术,最终的智能系统也可能是现有人工神经网络(如深度学习)和仿生技术相融合的结果。 高性能计算(HPC)与浮点计算相关;而类脑计算方法的目的在于模式识别方面的应用,如对语音、图像、文本、人类语言等的识别/理解(又被称为知识提取)。近期,《国家战略计算倡议战略计划》要求对这两种计算方法进行融合,重点放在类脑计算和模式识别类型的应用,以实现对大数据应用的推断、预测和决策支持。 技术目标：5年目标——将生物学、神经科学、材料科学、物理学和工程学方面的知识转化为计算系统设计人员可用的信息。 10年目标——确定生物计算或由神经启发的计算架构并进行逆向工程,将结果转化为可以原型化的模型和系统。 15年目标:实现大规模设计、开发、仿真工具及环境能以百亿亿次级或更高速度进行运算。这些结果将有助于应用的开发、测试和验证,并能够输出可在硬件层面原型化的设计。 制造/制备 为了确保持续技术进步,研究界需要获得先进的纳米制造能力,还需要与工业界合作,实现新型制造方法的商业化。神经形态计算或仿生电路的自然容错性和随机性可实现一系列全新的“近似”制造技术,现有数字计算结构则不能使用这些新技术。 技术目标：5年目标——开发能集成新材料系统的工具和制造能力,可能类似于增材制造技术。 10年目标——实现快速原型化能力,以较短的时间(从数年到数月)将包含新材料系统和非线性现象的新型计算架构原型化,并与最先进的微电子实践兼容。 15年目标——开发具有成本效益的铸造过程和设计方法,适用于低容量和高容量器件的制造/制备,可供广泛的研发组织使用。 软件、建模与仿真 未来计算技术的进步将依靠数字计算系统的持续升级。对未来任何新型计算系统进行模拟和仿真的能力至关重要,这需要当前千万亿次级和将来百亿亿次级的计算系统。因此,重要研发工作应继续增强大规模计算架构的可扩展性、可移植性、可用性和验证,以实现未来计算能力。在当前高性能计算系统中,平行计算或并行计算变得至关重要。实现超百亿亿次级的计算性能将需要新抽象模型和算法、新编程环境和模式,需要新硬件架构、编译器、编程语言、操作系统和运行时系统,并利用特定领域和特定应用的专业知识。 技术目标：5年目标——创建编程和开发语言及环境、函数库、解算器、编译器,使其在使用时不需要高深的知识和专业技术。产生的软件和解决方案必须支持最先进和超百亿亿次级的高性能计算平台。 10年目标:将非线性物理和材料现象集成到建模与仿真系统中,使其能设计、模拟和检验未来计算架构,包括准确预测性能。系统应能进行大规模的应用开发和验证。 15年目标:开发软件方法和技术,使其能从数学、材料、物理学、生物学、制造或计算架构角度自动发现和探索广阔、复杂的参数空间。 应 用 对重大挑战项目所实现的计算系统的总体构想包括:处理、分析并最终理解多模态传感器数据流和复杂工作流的能力。这些系统将能够在线学习和实时使用无监督训练,并能捕获和理解复杂数据结构。这些系统还将能规划并生成复杂行动,以响应输入数据。可实现新能力的一些应用案例包括:科学发现和大型复杂数据集的分析;通过防篡改、自保护软件代码,保障信息和数据的完整性;自主机器人和运载器,以及整合了运动、视觉、声音、具有规划和信息理解能力的智能假肢。 网络安全将是未来计算系统的重要应用领域。未来网络安全系统需要为攻击事件建模与预测提供分析,还需要具备探测敌对活动的先进能力,以便自动做出防护。不同数据的实时融合有助于推理系统状态,并针对异常状况选择最佳的防御行动或者调整系统。旨在影响敌对行动或混淆、欺骗攻击者的动态响应机制可为网络防御提供不对称优势。 技术目标：5年目标——利用企业级水平的计算资源实现日常攻击场景的自主应对,以及应对复杂攻击场景的人机增强能力。 10年目标——利用企业级水平的计算资源实现复杂攻击场景的自主应对,利用节能的计算资源应对日常攻击场景。 15年目标——利用节能的计算资源实现复杂攻击场景的完全自主应对。 编辑：王玉珏 来源：《防务视点》杂志 |
|
|
来自： liubazhang > 《2.20》
