英特尔的研究人员可能已经研制出了一种能够取代几十年来微处理器、存储芯片和其他逻辑电路一直使用的技术的替代品。
这项研究很重要,因为基于互补性氧化金属半导体(Complementary Metal-Oxide Semiconductor,CMOS)技术的芯片已经接近其潜力的顶峰。 CMOS芯片是建立在通过由绝缘栅极控制可切换的半导体电导彼此连接的晶体管基础之上的。
自20世纪60年代以来,这项技术一直为行业提供良好的性能,但近年来也成为一个限制因素。这项技术的小型化——为了将更多的晶体管封装到电路板上并提高其计算能力——正在变得越来越困难。
因此,为了打造更强大的微处理器,英特尔正致力于利用新的量子材料弥补CMOS的不足。英特尔研究人员称,一种名为“可扩展的节能型电动旋转轨道逻辑”技术可能就是这个问题的答案。
与CMOS相比,这种所谓的MESO技术有可能将微芯片的电压降低到CMOS的五分之一,当结合“超低睡眠状态功率”的时候,能效可以提高10到30倍。
英特尔研究人员在《自然》杂志上发表的一篇论文中这样写道:“我们正在寻找革命性的、而不是进化性的、超越了CMOS时代的计算方法。MESO是围绕低压互连和低压磁电机构建的,将量子材料创新与计算结合在一起。我们对我们取得的进展感到非常兴奋,期待着未来能够展示进一步降低电压的潜力。”
英特尔研究人员已经使用由加州大学伯克利分校Ramamoorthy Ramesh和劳伦斯伯克利国家实验室开发的巨型电子和量子材料构建了MESO原型设备。
更具体地说,MESO在室温下使用所谓的多铁材料,产生“自旋 - 轨道转换效应”。该材料是磁性的——也就是原子全部对齐,如同常见的永久性磁铁——和铁磁性的,这两种状态是耦合在一起的,这意味着如果你改变其中一个,也要改变另一个。
研究人员表示:“在MESO设备中,电场会改变或翻转整个材料中的偶极子电场,这会改变或翻转产生磁场的电子自旋,”研究人员说。
图注:多铁性材料铋-铁-氧化物的单晶。铋原子(蓝色)在立方体的每个面上形成具有氧原子(黄色)的立方晶格,并且在中心附近形成铁原子(灰色)。稍微偏离中心的铁与氧相互作用以形成电偶极子(P),耦合到原子(M)的磁自旋,从而翻转电场(E)偶极子也会让磁矩发生翻转。该材料中原子集体磁自旋对二进制位0和1进行编码,从而可进行信息存储和逻辑运算。
Constellation Research分析师Holger Mueller表示,英特尔的研究令人鼓舞,因为这对于不断打破微处理器发展障碍、满足下一代应用工作负载需求来说是十分必要的。
Mueller说:“通过MESO,英特尔向前迈出了关键一步,让多状态铁材料帮助打造更高效的计算平台。这是一个充满希望的开端,现在这项新技术必须在实际应用得到检验。”
然而,这可能还有很长一段路要走。尽管MESO原型设备显示出了具有前景的结果,但Ramesh表示,该技术仍处于初期阶段,还需要进行更多研究,实际设备仍有可能至少需要十年时间。
Ramesh说:“还有很多工作要做。今天的电脑电压是3伏。Nature论文中提到的这个设备电压达到了100毫伏。我们需要更好地去理解物理学。”
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。