|
过去 60 年创建的大多数设备都基于冯·诺依曼架构运行。冯·诺依曼架构描述了一种计算机组织，其中计算机利用处理单元、控制单元、存储器、外部大容量存储器和输入输出机制。该架构的原理是数据和操作数据的指令存储在同一内存中，这使得计算机可以根据其处理的数据更改其指令，从而实现程序控制流。
然而，随着我们进入以人工智能、机器学习和海量数据处理为特征的现代计算时代，冯诺依曼架构面临着一些挑战。主要问题被称为冯·诺依曼瓶颈，它是指由系统主要组件之间的标准总线互连引起的吞吐量限制。随着处理器速度的提高，互连可能会成为瓶颈，从而减慢系统速度，因为它无法像 CPU 处理数据那样快地与内存之间传输数据。
此外，该架构的设计将内存和处理单元分开，因此需要两者之间不断进行数据传输。这种数据重组既耗时又耗能。
冯·诺依曼瓶颈的一个潜在解决方案是将内存存储和计算在空间上组合在一个单元中，这一过程称为内存计算。为了实现这一目标，一项提供有希望的前进道路的技术是电阻开关。
电阻开关是一种材料的电阻随着施加不同电压而变化的现象。这一原理构成了阻变存储器或阻变随机存取存储器 (ReRAM)（一种非易失性存储器技术）的基础。与只能以两种状态（0 或 1）存在的传统存储器件不同，电阻开关存储器可以容纳连续的状态范围，从而提供更高的存储密度和速度。
虽然电阻开关存储器具有显著的优势，但它也带来了挑战，其中之一就是一致性问题。这个问题的出现是由于用于电阻开关的材料（例如氧化铪）在原子水平上固有的随机性。这些材料中的铪和氧原子随机混合，导致缺乏结构，使其难以用于存储器应用。
均匀性问题是指在每个存储单元中一致地再现相同电阻状态的困难。这种一致性的缺乏会导致电阻水平的变化，从而影响存储器件的可靠性和性能。克服这种均匀性问题是开发阻变存储器技术的一个重大挑战。
本周，剑桥大学的研究人员宣布，他们已经找到了应对均匀性挑战的潜在解决方案。
正如他们最近发表的论文中所述，该团队通过将钡引入氧化铪薄膜中克服了均匀性问题。钡集成的结果是出现了独特的、垂直的、高度结构化的、富含钡的“桥”，使电子能够通过，而周围的氧化铪保持非结构化。通过操纵这些桥与器件触点相互作用处的能垒高度，研究人员实现了对复合材料电阻的控制。
除了这种新复合材料的均匀性之外，这种材料的另一个方面是它与大脑突触的相似性。通过使用新的电阻开关复合材料实现内存处理，该团队能够在同一位置（如大脑的突触）同时存储和处理信息。该团队认为，其发现可能对快速扩展的人工智能和机器学习领域产生重大影响。
| 
