能打造新型CPU的分子元件，if語句攢出決策樹，能頂數千晶體管
本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。
用電壓控制有機分子材料，實現決策樹算法，相當于實現了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個節點的復雜決策樹。
這篇論文發表在最新一期Nature上。
更厲害的是，不像傳統固定寫死的電路，這種元件還具有可動態重編程的特性。
重編程的方式也很簡單，只需要改變電壓就能做到。
在一個時間步內完成復雜計算后，施加不同的電壓脈沖，下一個瞬間能完成另一項計算任務。
就像人類大腦可以通過斷開和建立神經元間的鏈接來重新布線一樣。
論文作者之一Venkatesan認為，一個他們的新元件能完成的計算功能換成晶體管需要數千個。
這個新型元件叫分子憶阻器 （Molecular Memristor）。
憶阻器是一種基礎電路元件，可以代替晶體管完成通用計算，開發出新型CPU。
而且能把存儲和運算集成到一起，省去數據在CPU和內存之間來回搬運消耗的時間。
這次登上Nature的分子憶阻器，用有機分子代替了傳統憶阻器中的金屬氧化物，讓元件在不同溫度下保持穩定，計算也更精準。
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，有望打破當前算力發展的瓶頸。
算力發展遇到什么瓶頸？
從你的手機、家用電腦直到超級計算機，算力進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，運算器和存儲器是分開的，也就是我們熟悉的CPU和內存。
除了數據在CPU和內存之間被來回搬運很浪費時間和功耗意外，現在還出現新的問題。
由于CPU的運算速度增長比內存存取速度快的多，內存成了拖后腿的，越來越限制CPU性能的發揮。
這個問題在GPU和顯存之間同樣存在，在AI訓練中也被叫做“內存墻”，成了AI訓練的一大障礙。
近年來有個解決思路就是把計算和存儲放到一起，也就是設計存算一體的芯片。
用憶阻器 (Memristor)就是實現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年被華裔科學家蔡少棠從理論上預言。
如上圖所示，傳統的三大元件中，電阻器反映的是電壓與電流之間的關系，電容器反映的是電荷量與電壓的關系，電感反映磁通量與電流之間的關系。
蔡少棠根據理論上的對稱性推斷，應存在一種元件可以反映電荷量與磁通量之間的關系。
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前值，相當于“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現二進制的計算和存儲。
憶阻器的這種特性和人類神經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”。
憶阻器的基本結構就像一個三明治，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。
一個是只能在限定溫度范圍里工作，還有一個是不夠穩定，多次運算的結果在統計上存在偏差。
尋找更好的替代材料就成了關鍵。
動態可重構的分子憶阻器
嚴苛的環境限制，不穩定的計算結果，其實都可以歸結為沒有靈活應對變化環境的能力。
這也是因為，即使是最先進的半導體邏輯電路，也是基于硬連接的閾值開關來執行預訂的邏輯功能的。
那么，有沒有提高這些邏輯電路性能的方法呢？
研究團隊提出了一種思路：將復雜的邏輯功能固定在單個電路元件的材料屬性里。
于是，他們設計了一種新的有機分子：
這是一種由一個金屬鐵原子作為中心，再結合三個被稱為配體的苯基偶氮吡啶有機分子（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，產生七種不同的氧化還原狀態。
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。
制成的薄膜經驗證，在-40℃到70℃不同溫度間進行1300次重復實驗能保持穩定。
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構的憶阻器。
在向這種憶阻器施加電壓時，它能夠具有持續的高電阻和低電阻狀態。
而與傳統的氧化物憶阻器不同，這種分子憶阻器還能夠在高導電性和低導電性之間突然發生轉變。
同時，分子憶阻器的當前電導率也取決于曾經的歷史狀態：
團隊中的Venkatesan對此這樣解釋：
你可以把這個裝置想象成一個開關，當施加負電壓時，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，再從關到開，然而在開關兩個狀態之間不斷反復。
通過這種“兩極開關”的特性，邏輯操作的輸出就能被數字化并存儲。
而且控制開關的氧化還原機制是由分子內在的能級結構決定，開關的觸發條件非常精準。
為了將這種物理行為與高效的計算聯系起來，團隊中的Goswami提出，可以從算法層面來理解這種復雜的電流-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個節點組成的決策樹，其中紅色指關電導狀態，綠色指開電導狀態。
每一個氧化還原狀態可以提供不同的初始條件，然后產生自己的樹集（也就是通過一組相互關聯的輸入來預測輸出的邏輯函數）。
這樣，憶阻器的物理特性便直接將輸入與輸出連系了起來。
當條件改變，需要去處理或學習一樣新的東西時，只要施加一個不同的電壓脈沖，設備就能夠進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的可塑性。
大腦可以通過建立和斷開神經細胞之間的連接，以此改變周圍的線路。
而現在我們創造的這種分子裝置也能夠通過重新編程改變邏輯，進而實現這種重構。
此外，這一分子憶阻器還能實現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行單元的功能。
如果用在電腦或手機里，那么在寄存器和執行單元之間進行數據穿梭所花費的時間和功耗將被大大減少。
現在，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個數量級。
團隊介紹
Sreetosh Goswami，一作兼通訊作者，新加坡國立大學（NUS）物理系，同時也是新加坡國立大學納米研究所（NUSNNI）的成員。
主要研究方向是納米電子學和光電子學，這次整個項目主要由他設計，并進行了電學和光譜測量。
Sreebrata Goswami，通訊作者，印度科學普及協會（IACS）的化學科學學院教授，他設計出了這次用到的有機分子材料。
Stanley Williams，通訊作者，德州農工大學的電子與計算機工程系教授，主要研究方向是納米電子學，曾獲2014年IEEE杰出工程師。
T. Venkatesan，通訊作者，現任新加坡國立大學納米研究所所長，是脈沖激光沉積工藝的創始人。
論文地址：
https://www.nature.com/articles/s41586-021-03748-0
《Nature》News&Views點評
https://www.nature.com/articles/d41586-021-02323-x
