|
來源：環球科學 硅已經支持計算機工作近半個世紀了，無論是圖形處理還是數字運算，所有的信息處理都由數百萬個聚集在一起的微型邏輯門電路完成，而這些電路都是由硅制成的。 但硅芯片的時代或許很快將要終結。摩爾定律指出在微處理器中的硅晶體管數量每兩年便會增加一倍，但這一預測不可能永遠適用，因為一塊芯片上可承載的晶體管數目是有限的。 機器學習熱潮是硅芯片面臨的另一個挑戰。運行需要處理海量數據集的機器學習算法，令基于硅的計算機耗能飆升。半導體行業協會（SIA）預計，以目前的趨勢，2040年計算機的能量需求將會超過世界總能量供給。 世界各國的研究人員正在開發可替代硅來處理海量數據的新型計算系統。這些系統力求比現在的芯片更小，能效更高。 Julie Grollier領導的研究組正在法國UMPhy lab實驗室設計可以仿人類大腦工作的納米器件。她的研究組用磁性粒子進行運算，尤其是模式識別。 當磁性粒子非常小時，它們會處于不穩定狀態時，磁場開始無規律振蕩。通過施加電流，研究組就可以利用這樣的振蕩完成基礎運算。如果這種計算裝置的規模能夠擴大，Grollie相信這項技術能比現有的技術更快的完成識別模式。 這項技術也會減少能量消耗。Grollier說，這磁性自發振蕩器工作時所需的能量是硅基計算系統的百分之一，器件尺寸則只有萬分之一。 去年12份在巴黎創立了 LightOn公司的Igor Carron 則找到了硅芯片的另一種替代品——光。 關于未來的LightOn計算機具體是如何工作的，Carron并不多談，但他們將會構建一個能處理巨大的數據集的光學系統，從而讓機器學習算法更輕松地使用這些數據。這個系統運用了被稱為隨機投影（random projection）的數學方法。隨機投影方法是在1984年提出的，但因涉及大量計算，硅芯片無法勝任。現在Carron和他的同事找到了用光來完成全部操作的方法。 這些處理數據和利用數據進行學習的新方法會發揮什么樣的作用？Carron認為，如果機器學習不依賴大型處理器，那么可穿戴計算設備就可以飛速發展。這還能讓把計算機植入日常物品中的新興技術“物聯網”更強大。 這些可穿戴設備不再需要將大量的數據返回數據中心處理，而是可以實現數據的即時處理。 Grollier和Carron發明的設備不是僅有的替代計算技術。美國斯坦福大學的一個研究團隊發明了一個含有178個晶體管的芯片，這些晶體管由碳納米管構成。碳納米管獨特的電學性能使得它們相對于硅晶體而言是一種更高效的開關器件。今年早些時候，以色列的本-古里安大學和美國佐治亞理工學院的研究者用DNA制造出了世界上最小的二極管，而二極管正是電子計算機的基本元件。 到目前為止，可以處理海量數據的高性能硅芯片計算機在機器學習領域仍在不斷取得重大進步。但是硅芯片計算機的性能不可能永遠保持指數級增長。要充分處理和利用全世界的數據，我們需要無處不在的智能學習設備。像Facebook和Google這樣的公司目前僅僅觸及了這些數據的皮毛。Carron說：“大型網絡公司每天都在積累海量的數據，但他們根本沒有充分挖掘其價值�！� |
