广受关注学术成果 | 如何突破“冯·诺依曼瓶颈”？
图片源于网络
在传统计算架构中，计算与存储其实是在不同电路单元中完成的，从而造成大量数据搬运功耗增加和额外延迟，这也被认为是冯·诺依曼计算架构的核心瓶颈。人类的大脑却并非如此，它是直接在记忆体里计算。因此被认为具有“存算一体”潜力的忆阻器，便成为类脑计算领域的热门器件，被寄予提高算力、突破技术瓶颈的厚望。
那么究竟什么是忆阻器呢？忆阻器的全称是记忆电阻器，是一类具有记忆作用的电阻器件。它具有简单的三明治结构，由上下极两层金属电极加中间的氧化层构成。忆阻器作为一种新型微电子基础器件，其电阻可通过外场连续调节且具有非易失性、小尺寸、低能耗、高速和CMOS兼容等优良特性，被认为是快速实现存算一体化计算最具潜力的类突触器件，因此适合应用于机器人制作。
（图片源于网络）
在集成电路发展的长河中，摩尔定律（由英特尔(Intel)创始人之一戈登·摩尔提出，即处理器的性能每隔两年翻一倍，揭示了信息技术进步的速度）一直扮演着重要的角色。但近些年来，在工艺节点不断向前推进的过程中，晶体管尺寸已经接近物理极限，半导体器件也面临着短沟道效应、漏栅极漏电流增大、功耗增大的挑战。在这种形势下，摩尔定律这个“花甲老人”也逐渐走不动了。像这种靠传统的工艺的进步来提升人工智能硬件的性能是有一定瓶颈的。那该如何解决上述困境呢？忆阻器还面临哪些挑战呢？
入选2020北京地区广受关注学术成果的唐建石教授，对相关问题作出了精彩的回答，一起来看看吧！
1.在新型存储器与类脑计算的研究中，您与团队取得了哪些研究成果呢？
2.老师可以介绍一下什么是忆阻器吗？忆阻器的电器特性又有哪些？它在哪些领域中还有所应用呢？
3.随着人工智能应用对计算和存储需求的不断提升，集成电路芯片技术面临着哪些挑战？
唐建石
清华大学微电子所助理教授
特别研究员、博士生导师
Frontiers in Neuroscience-Neuromorphic
Engineering副编辑
《半导体学报》青年编委（2021-2023）
IEEE-NANO、EDTM等
国际会议技术委员会成员
IEEE高级会员
研究方向：新型存储器与类脑计算、碳基电子学等
由北京市科学技术协会主办的2020北京地区智能机器人领域广受关注学术成果系列报告会，旨在加强高关注度学术成果的深入交流，发挥北京科技交流主平台作用，复工达产，促进科技经济融合发展，为助力全国科技创新中心建设作出新贡献。
“科协频道”微博对报告会进行了全程直播，
共有27.9万人次观看并积极讨论。
识别下方二维码可以观看活动回放哦！
参考资料：清华类脑芯片再登《Nature》: 全球首款基于忆阻器的CNN存算一体芯片，能效高出GPU两个数量级
