余志平近年來的研究項目主要集中在納電子器件（包括石墨烯器件與變阻存儲器－RRAM）、CMOS射頻電路建模與設計、半導體器件物理（包括量子輸運與能帶計算）。

已發表學術論文400餘篇，合著英、中文專著各一本。

七五計劃期間（1986-1990）參與組織的熊貓集成電路設計系統獲1993年國家科技進步一等獎。

此外，他在美國矽谷與中國自1996年起先後成功參與創辦數家高科技CAD軟體與集成電路設計公司，並擔任過國際著名集成電路公司（如Intel, HP, TSMC等）的技術顧問。

半導體工業的興起將人類從機械文明帶入了計算機時代。

從上世紀70年代開始沿著摩爾定律的軌跡，電晶體的尺寸越來越小，在集成晶片中的密度則呈幾何級地增長，因此大幅提升了晶片的性能。

因此，性能越來越強大的計算機讓人們對它的「智能」水平有了更高的期待。

到了2016年，整個計算機世界有兩個方面引起了最多關注。

一方面，AlphaGo再次點燃了公眾對於人工智慧的熱情，而本月初IBM宣布，用可相變材料創造出首個人造神經元，預示著人類在人腦模擬的硬體上有邁出了堅實的一步。

另一方面，摩爾定律是否能堅持到2020年也是熱門話題之一，最的技術例如電晶體三維堆砌和漩渦型旋轉雷射光刻（swirling vortexlaser）等也被視為了摩爾定律的「救星」。

在這樣的背景下，我們有幸採訪到了清華大學微電子學研究所的余志平教授，請他為我們詳細地分析目前計算機硬體幾大熱點的現狀，並同我們一起展望各類新技術的應用前景。

本採訪由DeepTech與IEEE中國聯合完成。

IBM的人造神經元

對於IBM發明的人造神經元，余志平教授首先介紹了相關的背景。

人造神經元中用的相變材料最早是用來製作新型存儲器的。

而相變非揮發存儲器（PCM– phase change memory）的專注研究已經進行了20多年了，但一直沒有找到很好的應用。

一方面，這是因為NAND Flash存儲器的存儲密度與成本進步太快；另一方面，PCM自身也存在的熱穩定性的問題。

最近兩年，IBM蘇黎世實驗室在PCM的內在工作機理的定量描述上取得了重要的進展。

此外，科學家們還通過新的讀算法來將單比特（bit）存儲單元變為3-bit多比特單元。

余志平教授

余志平表示，因為神經網絡依賴於神經元與神經觸突來工作，而神經觸突的強度是要求可變與有記憶功能，這種多值的非揮發PCM存儲器是十分適合這方面的應用的。

如果IBM能結合下面提及的TrueNorth腦晶片設計，而用與CMOS工藝兼容的PCM技術實現，可望在人工智慧硬體上取得朝向商業化的里程碑式的進展。

量子計算機

2016年8月份，美國馬里蘭大學在《自然》雜誌上發表了相關論文，報導了一台可編程的5量子位量子計算機。

余志平表示，這是一台真正意義上的量子計算機，可以進行傅立葉變換的量子運算。

關於量子計算的發展速度，余志平認為，相較於2年前，即2014年加州大學聖巴巴分校發表的「量子糾錯算法的改進」，再與當時宣布的Google與UCSB合作在SantaBarbara建立專注量子計算機的實驗室這件事結合起來看，量子計算機的進展可能要比原來預料的要來得快。

其實，一直以來流傳著一個「兩個50」的相對悲觀的說法，即（量子計算機）50年後有50%的機會。

至於量子計算機何時能實現，余志平個人的估計是在10-15年後。

到那時，量子計算機將有望應用於某些類似圖像快速識別的特定場合。

不過，有一點余志平非常肯定，那就是量子計算機並不會取代現在高度發展的以矽CMOS（互補式金屬氧化物半導體）為基礎的通用數字計算機。

「在某種程度上，量子計算機類似於模擬計算機與並行計算的自然組合，有其優勢，但不宜無限誇大。

」余志平補充道。

人工智慧硬體的發展現狀

余志平表示，人工智慧的硬體，如果局限於機器學習（包括深度學習）的硬體加速，目前通常有三類實現方式——不同於通用數字計算機的新型計算機架構、GPU（圖形處理器）和FPGA（現場可編程邏輯門陣列）這三類硬體實現的共同點是採用並行計算，但AI的突出特點是與巨量的數據打交道，所以要求化在數據傳輸上的時間要儘可能小。

相比之下，計算時間倒不是一個主要的關注，因為用納米尺度的CMOS技術節點實現的CPU性能已經是很好了。

並行計算要求計算機架構上的每一個高性能的CPU，本身就帶有高速，非揮發可改寫的存儲器（現在有一個詞專門描述這一類存儲器：persistent memory）。

據余志平介紹，目前國外（主要是美國）的人工智慧硬體帶有前瞻性的研究就集中在這三個方面。

新型計算機架構里有比如IBM 2014年在《科學》雜誌發表的TrueNorth腦晶片，還有最近Intel收購的Nervana公司的專用晶片(據報導數據傳輸率可達2.4TB/s)。

GPU以NVIDIA的Tesla為代表。

至於FPGA的性能與多樣性，近來進展也很快，比如Intel在剛結束的ISDF (Intel SoC Developer Forum)上宣布，要用10nm CMOS節點製造FPGA晶片，依然採用ARM作植入 CPU。

國內人工智慧硬體的發展，基本上還停留在用可以買到的FPGA實現的階段。

研究工作有中科院計算機所的寒武紀項目，清華大學也有用阻變非揮發存儲器（RRAM）作分布式片上存儲器的神經網絡計算架構的原型研究。

摩爾定律

關於摩爾定律，余志平首先排除了耶魯大學的漩渦型旋轉雷射拯救摩爾定律的可能性。

他認為，所有的光刻技術必須首先在小規模生產的基礎上實現，然後才能具備能大規模應用的能力。

因此，從這個意義上說，漩渦型旋轉雷射技術是沒有可能在接近摩爾定律終結期用於CMOS集成電路生產的。

就目前的光刻技術而言，10nm節點依然是用193nm的浸沒式光刻技術，7nm節點可能在部分層採用EUV (extreme ultraviolet，即極端紫外)技術。

余志平個人的觀點是摩爾定律可能會在CMOS 3nm節點終結，那時電晶體的最小尺寸大約為24nm，而電晶體的溝道長度則不太確定，可能在2nm左右。

此外，受制於製造成本的影響，摩爾定律也有提前終結的可能性。

電子器件納米化的理論基礎

對於這個話題，余志平表現出了極大的興趣。

他認為，電子器件納米化與納米電子器件嚴格上來講，不是一個概念。

如果僅僅是要把電子器件做小，目前已經達到了10nm節點的水平。

在余志平看來，納電子器件與微電子器件的差別不是僅僅器件的尺度進入了納米級。

如果器件的工作原理還是與原來的微電子器件一樣，即使器件關鍵尺寸到了幾個納米（如10nm或7nm的CMOS電晶體），其依然是微電子器件。

對於納電子器件（相比於微電子器件）,關鍵是在於當器件的尺度縮小到一定程度時，新的物理機制（如量子力學效應/相對論效應）成了器件工作的主要原理，並可以利用來實現有用的應用時，才是納電子器件研究的初衷。

而就目前的現狀而言，余志平舉了1998年荷蘭Delft大學C. Dekker教授組在《自然》雜誌上發表的碳納米管場效應電晶體的例子。

18年後的今天，這項技術依舊沒有在在集成電路上產生任何實質性的影響與應用。

這裡面主要是兩個原因，一個是納電子器件（比如石墨烯場效應電晶體）並沒有顯示出納米尺度的矽CMOS器件（比如Intel的14nm的FinFET）更好的性能，而其工藝技術卻存在極大的難度；另一個則是納電子器件想要採用的bottom-up（由底層往上製作/生產）加工技術遲遲沒有獲得突破。

深科技招聘自由撰稿人，要求

文筆好，懂科技，稿酬優

聯繫：[email protected]

IEEE中國是DeepTech深科技的戰略合作夥伴，想要獲得最新的科技資訊和會議信息，敬請關注IEEE中國。

分享至朋友圈才是義舉

DeepTech深科技

ID：mit-tr

長按關注