互动科普

更像神经元而非晶体管的新型电子元件，正把我们带向迅捷无比的“记忆计算”时代。

我们用Word软件来进行文字编辑工作。Word是一款非常优秀的程序，可能你也在使用它。要写下 “当我们撰写这篇文章时”这句话，计算机需要将Word文档转换成0和1表示的二进制机器语言，并且从中央处理器的暂存器通过一组数据传输线，转移到其他的物理存储单元。然后，这些数据会被处理单元转换成字符，并在屏幕上显示。为了防止这句话在计算机电源关闭后消失，表示这个句子的数据又将通过数据线传输并保存到更稳定的非易失性存储器中，例如硬盘。

处理器与存储器之间要进行两次数据交换，之所以要这样进行，是因为现阶段的处理器没有存储功能，而存储单元又不能计算。这种处理器与存储器的分工方式是目前计算机的标准做法，即使在拥有多个处理器、可以进行最快速计算（称为并行计算）的高端计算机中，也是如此。问题在于，对于每个处理器来说，这种存储器与处理器之间的数据交换，限制了处理效率。

科学家一直致力于寻找一种方法，将先前分开的计算和存储功能结合起来，即设计一种同时具备这两种功能的元件。这就意味着要替换现在标准的计算机电路元件，即将晶体管（transistor）、电容（capacitor）和电感（inductor）替换成名为忆阻器（memristor）、忆容器 （memcapacitor） 和忆感器 （meminductor） 的新元件。目前，研究人员已经制备出了新元件的样品，可能很快就能将这些新元件组装成一种新机器——“记忆计算机”（memcomputer）。

由于具备计算和存储双重功能，记忆计算机可能会拥有无与伦比的速度。使用一种更新、更有效的并行计算模式，记忆计算机的每个部分都可以用于解决计算问题。由于问题可以在存储器中得到解决，信息可以直接存取，这就节省了传统计算机需要来回进行数据传输所耗费的能量。这种全新的计算结构将改变所有计算机的运行方式——小到手机芯片，大到超级计算机。实际上，这种设计正是借鉴了人类大脑的工作机理，即存储和处理信息都在同一个神经元中进行。

这些新型的记忆计算机体积会更小、计算速度会更快、能耗会更低，可以在数秒内完成传统计算机需要数十年才能完成的工作。虽然完整的记忆计算机尚未面世，但我们在新元器件上的实已经证明，这类计算机必定会对未来计算机的设计、全球的可持续发展、能源利用以及人类处理重大科学问题的能力带来巨大影响。

像人脑一样运行

用Word软件编辑一个句子时，计算机内部执行数据交换，只会消耗一丁点的能量，花费的时间也非常少。但想象一下，全球范围内的计算机反复执行着这样的操作，这将是多大的一笔能耗呢？

2011到2012年间，全球计算机数据中心的电能需求，惊人地增长了58%。而现实中，不仅仅是超级计算机，我们每家每户使用的电子产品，从烤箱、电视机到笔记本电脑等都已具有计算能力。综合起来，信息和通信行业目前用于计算的电力消耗占到了全球的15%。到2030年，全球消费电子产品所消耗的电力，将达到当前美国和日本民用电力消耗的总和，即每年将达到2 000亿美元。能源需求量的不断增长，是不可持续的。

但对这一问题，并不能通过不断地缩小晶体管（数字电路基本元件）的尺寸来解决。国际半导体技术蓝图（International Technology Roadmap for Semiconductors）预测，晶体管行业在2016年前可能会遇到技术瓶颈，因为当前可用的元件材料，无法在维持原有性能的前提下进一步缩小尺寸。

一些科学研究，也因为这些急需解决的问题屡屡碰壁。一些只能通过密集计算解决的重要研究课题，都需要更强大的计算能力，例如构建全球气候变化模型，基于大规模基因数据库来预测各种人群的疾病发生率等。通过避免代价高昂的、耗能耗时的中央处理器与内存之间的数据交换，记忆计算机可以大幅降低能耗。

当然，记忆计算机并不是第一种将计算和存储融为一体的信息处理设备。一直以来，人类大脑就是以这种方式处理信息的。所以，记忆计算机是站在人类的肩膀上，其原型就是来自于大脑这个快速、高效的器官。

许多研究表明，人类大脑平均每秒可执行1亿亿（1016）次操作，所需能量只有10～25瓦特。如果让一台超级计算机来完成同样的工作，需要消耗的能量超过人脑的1 000万倍。除了能耗巨大，在处理一些模式识别等复杂任务时，比如从街道上嘈杂的汽车声中分辨出狗吠声，计算机也远不及我们的大脑。

我们生活在一个充满噪音、难以预测的环境中，人脑完成这类任务是司空见惯的事情。不同于我们目前的超级计算机，人脑完成计算的过程并不是分在两处进行，而是在相同的神经元和神经突触中完成。更少的信息交换，意味着能量消耗得更少，使用的时间也更少。计算机执行单次计算操作比人脑速度要快，但做到这一点，需要毫无技巧地利用计算机内的全部晶体管来执行计算任务。

通常，计算机采用数据与程序分离的机制，以免信息处理过程中相互干扰。新数据导致的电路变化，比如当我们用Word软件敲入一个字母时，同样会干扰或者改变程序本身。如果处理器中的电路元件能够记住此前执行过的最后一件事情，这种错误就可以避免，即使关闭电源，数据仍然完好无损。

记忆计算的三大元件

记忆计算元件恰好能完成这样的任务：处理信息，并在断电后保存信息。这些新元件之一就是忆阻器。为了更好地理解忆阻器的工作机制，你可以想象一个能够根据水流方向改变直径的管道。当水从左向右流时，管道越来越宽，使得更多的水流通过；当水从右向左流动时，管道变窄，只容许少量的水流过。如果没有水流过，管道将保持最近一次的直径大小，从而“记住”流过的水量。

现在，将水替换成电流，将流水的管道替换成忆阻器。就像水管一样，忆阻器根据当前流经的电量更改状态，较宽的管道意味着较小的电阻，而较窄的管道意味着较大的电阻。如果将电阻看作一个数值，电阻的变化当作一个计算过程，那么忆阻器就构成一个电路元件，可以处理信息并在电流消失后记住当前状态。这样，忆阻器将计算单元与记忆单元集成在了一起。

忆阻器这一概念，最早是由加利福尼亚大学伯克利分校的蔡少棠（Leon O. Chua）教授在20世纪70年代提出的。在当时看来，他所提出的理论并不现实。那时常用来制作电路的材料不能像想象中的水管那样记住最后流经的信息状态，所以忆阻器的想法曾被认为离实现很远。随着工程师和材料科学家几十年的不懈努力，更多具有特种属性的新材料被研制出来。2008年，惠普公司的工程师斯坦利·威廉姆斯（Stanley Williams）和同事研制出了一种存储元件，可以转移电阻并且记忆其转移的状态。他们用二氧化钛制作了宽度只有几十纳米（十亿分之一米）的电子元件。电流作用在如此微小的材料上，会出现一些在较大设备上无法观察到的效应。一篇发表于《自然》（nature）的论文指出，威廉姆斯研制的元件可以保持最近一次有电流流过时的状态——想象中的管道记忆功能实现了。

事实证明，这些元件可以由各种各样的材料制成，大小可以仅有数纳米。极小的尺寸意味着，这类元件可以更密集地集成在一起，轻易装进几乎任何类型的小产品中。而且，这类元件也可以用半导体制造设备来生产，就像目前的传统计算机元件一样，因此可以实现规模化生产。

另一种用于记忆计算机的关键元件是忆容器。常规电容器是一种存储电量的元件，无论存储了多少电量，电容器都不会改变状态或电容值。在当今的计算机中，电容器主要用于制造一种特定的内存，即动态随机存取内存，用于存储处于待命状态的计算机程序，以便计算机调用程序时，可以快速载入处理器。然而，忆容器不仅能存储电量，还可以根据过去的电压来改变电容。这就赋予了忆容器存储和处理信息的双重能力。此外，因为忆容器可以存储电量，这些能量在计算过程中可以循环利用，有助于减少整机的能量消耗（与此相反，忆阻器会使用所有置入其中的能量）。

一些用成本相对较高的铁电材料制作的忆容器已经进入市场，用作数据存储装置。但是，很多实验室仍然致力于研发更好的技术，使用成本更低的硅材料来制造该元件，以便使价格低到整台计算机都能用得起这种元件。

第三种用于记忆计算的元件是忆感器。忆电感器有两个终端，像忆容器一样存储电量同时又像忆阻器一样让电流通过。同样，忆感器也已有一些产品。只是因为这些产品依赖磁性大线圈，所以目前忆感器的体积还相当大，难以用于小型计算机。但是，就像几年前忆阻器的研制过程一样，材料科学的研究进展将会在不久的将来打破这种局面。

2010年，我们研究小组开始试着展示记忆计算机的优势。我们首先试图解决的问题是寻找迷宫的出路。编制程序来解决迷宫探索问题，是一种惯用的测试计算机硬件效率的手段。传统的算法采用少量的连续步骤实现迷宫探索。例如，最著名的算法之一就是墙追随者算法（wall follower）。程序会沿着迷宫中的墙壁寻找路线，绕过所有的转弯，避开墙壁尽头的空白区域，通过细致的计算，寻找从入口到出口的路线。这种逐步逼近的算法效率很低。

我们在仿真实验中展示的记忆计算可以很快解决迷宫问题。假设建立一个由忆阻器组成的网络，在迷宫的每个拐弯处放置一个忆阻器，它们均处于高电阻状态。如果我们施加一个电压脉冲，电流只有沿着正确路径才能流通，而在不正确的路径上，电流就无法通过。当电流通过正确路径时，就会改变相应的忆阻器的电阻。而当电压脉冲消失后，迷宫的正确路径就存储在那些已经改变了状态的忆阻器中。这就是说，所有的忆阻器同步运行，让迷宫问题的求解和正确路径的保存一步就完成了。

这种并行处理方式完全不同于当前的并行计算模式。现今的并行计算机是通过大量的处理器，同时处理同一问题的不同部分，多个处理器之间通过信息交换，得出一个最终的解。显然，对于每个处理器来说，在与其他处理器交换信息时，仍然需要消耗很多能量和时间。而对于记忆计算来说，这些都不需要。

在解决计算机科学中最困难的问题之一 ——枚举一个大的整数集合的所有子集时，记忆计算才真正体现出了它的优势。此时，计算机面临的问题是破解复杂编码。例如，给出100个整数，需要找出其中至少一个和为0的子集。计算机必须检查所有可能的子集，然后将每个子集中的数加起来。显然，计算机需要检查每个可能的子集，这是一个计算时间呈指数级增加的问题。如果检查10个整数的集合需花费1秒时间，那么100个整数将需要花费1027秒——数千亿亿年的时间。

与求解迷宫问题一样，记忆计算机也只用一步，就可以计算出所有的子集与子集数字的和，这也是一种真正的并行计算。因为不需要在单个或多个处理器之间进行来来回回的计算与存储，记忆计算解决上述问题只需耗时一秒。

尽管拥有众多优势，也尽管部分记忆计算元件已经拥有实验样品，但商业化的记忆计算芯片尚未进入市场。现阶段，一些初始版本的记忆计算机正由科研单位及少数几个制造商进行测试，以检验这些设计是否足够稳定可靠，可以取代由标准晶体管和电容器制作的存储器芯片——即我们平常见到的USB驱动器和固态存储驱动器所使用的那些芯片。测试可能需要很长的时间，因为需要保证记忆计算元件能无故障地运行数年。

我们认为，一些记忆计算设计在不久的将来就会得到应用。例如，在2013年，我们与意大利都灵理工大学的两位研究人员法比奥·洛伦佐（Fabio Lorenzo）、法布里奇奥·博纳尼（FabrizioBonani）一起，提出了一个名为动态计算随机存取存储器（dynamic computing random-access memory，DCRAM）的概念，目标是取代标准的、用于保存处理器即将调用的程序的存储器。对于这种传统的存储器，构成程序的每个信息比特，是由电容器中的单一电荷来表示的，因而需要大量的电容器来表示一个程序。

一旦我们将传统的存储器用忆容器替换，程序运行所需的所有逻辑操作只用很少的忆容器就能完成。当我们施加不同的电压时，忆容器可以瞬间从一种逻辑操作切换到另一种。例如，计算指令“do x AND y”、“do x OR y”和“ELSE do z”可以由两个忆容器来执行，而如果用固定电容的传统电容器，则需要多个才能完成。我们不需要改变电路的基本物理结构来执行不同的功能。在计算机术语中，一个元件根据输入信号不同而执行不同任务的能力叫做“多态”，我们的大脑就拥有这种多态性，即无需改变结构即可执行不同的任务。但目前的计算机不具备多态性，因为处理器的设计电路是固定的。而对于记忆计算，因为计算是在存储器内完成，这样不仅避免了信息的来回传输所消耗的时间和能量，而且程序的计算结果可被存储在同一处。

最重要的一点是，以上所所述元件都可以用现有设备制造，无须技术上的重大跨越。我们需要做的只是开发新的控制软件，因为目前我们尚不清楚，在记忆计算机上，使用什么样的操作系统最合适、最有效。记忆计算机一旦被制造出来，我们也会测试和优化软件系统。这个过程就像科学家当年对待今天的计算机一样。

科学家还希望找到一个最好的方法，将这些记忆元件整合进现有计算机。以下作法可能是一个较好的方案，即使用传统处理器来处理简单任务，例如本文开头提到的用Word处理语句，而用记忆元件去处理复杂、耗时的任务。我们要做的是搭建相关系统并测试，然后再搭建、再测试，直到把记忆元件成功整合进现有计算机。

这项技术的远大前景确实激动人心。在构建和测试完成之后，计算机用户可能会拥有很小的装置，也许小到可以握在手中，却可以解决诸如模式识别、为地球气候变化建模等非常复杂的问题。一些任务能以很低的能耗和成本，在一个或很少的计算步骤中完成。

难道你不愿意去排队买一个这样的计算设备吗？