美国发布“纳米技术引发的重大挑战：未来计算”白皮书

本文由战略与政策论坛（ID:StrategyPolicyForum）授权转载，发表于中科院战略咨询院《科技前沿快报》,2016年第9期，编译：张超星

7月29日，参与美国国家纳米计划（NNI）的相关机构，包括美国国家科学基金会、能源部、国防部、美国国家标准与技术研究院以及美国情报机构，联合发布了关于实现“纳米技术引发的重大挑战：未来计算”项目所需的新兴和创新方法的白皮书[1]，确认了纳米技术实现未来计算大挑战的7个技术优先领域和7个研究发展方向，并分别给出了7个研究发展方向的5年后、10年后、15年后要实现的目标。

7个技术优先领域包括：

（1）能自主运行的智能大数据传感器，通过网络可对其进行设计以提高其灵活性，支持与其他网络节点之间联系的同时保持其安全性及避免受到其他物体的干扰。

（2）由快速大规模数据分析使能的用于科学发现的机器智能，使之能够理解和分析结果，促进创新。

（3）在线的机器学习，包括one-shot学习，新的方法和技术来处理多维的和未标记的数据集。

（4）可以预防(最小化)非授权进入的网络安全系统，确认异常行为，确保数据和软件代码的完整性，对对抗性内容或态势感知提供情景分析：如制止、探测、保护和适应。

（5）需要能够安全操作复杂平台、能源或者武器系统的使能技术。这些平台或系统需要非常复杂的软件（或者多重代码的结合）。

（6）新兴的计算架构平台、光流、量子或者其他，能够非常明显的优化算法性能，并行计算，同时维持或者降低能源消耗，与当今最先进的系统相比能源消耗降低6个数量级。

（7）支持用于军事和民用的观察-定向-决定-运行（OODA）过程的自治或者半自治平台，如交通、医药、科学发现、探索及灾害响应。

该白皮书确定了7个研究发展方向的5年、10年、15年后要实现的目标，详见下表。

表1  未来计算7个研究方向要实现的目标

研究方向

5年后实现的目标

10年后实现的目标

15年后实现的目标

材料

确认最有希望的新兴材料系统，适合并且有潜力用于器件制备和CMOS集成。同时发展可以确定材料性质和缩放效果的测量科学和技术

用于未来电路设计和分析的不同尺度的物理模型和模拟，以实现对器件潜在行为和性能的表征、模拟和预测。同时解决与材料相关的发现、表征和可制造化等方面的问题

实现对新材料性质、缩放及预测和性能、表征等问题的基本理解，及其用于新器件设计、制备和扩展的适宜性及其跟CMOS的结合能力

器件和互联

制备和表征新兴器件，电路；与CMOS集成，及其与有望扩展的器件或电路互联。研发开源的器件模型和模拟技术，与工业标准电路设计和模拟工具及环境相结合

研发包含非线性现象和制备参数的标准函数库；研发用于模拟和数字领域的大规模电路架构的设计和模拟环境

使器件和电路的设计，模型及模拟环境能够根据未来计算系统的需求预测器件的结构，行为，性能。其最终目的是在利用新材料系统和电路制备和设计器件时将对专业知识的需求降到最低

计算架构

使未来计算架构的大规模设计，模型、表征及验证在数字和模拟领域发挥作用。高性能计算平台的突破性进展将使平行的，高并行性和大规模的模拟计算超过百亿亿次。这将使现有的数字计算和量子及生物启发的计算方法相结合

能够预测包含新材料系统和物理非线性现象的新架构的性能

能够根据用户的应用需求预测计算架构的设计和表征。这些结果将有助于即时制造设计和参数阐释

大脑启发的方法

将生物、神经科学、材料科学、物理学及工程学的知识转化成对于计算系统设计者有用的信息

确认和反转工程生物学或者由神经启发的计算架构，并将结果转换成可以被原型化的模型和系统

使大规模的设计、研发、模拟工具及环境能够以百亿亿次或者更高的速度进行运算。这些结果将有助于研发，测试和应用验证，并且能够输出可以在硬件层次原型化的设计

制造和制备

发展工具和制备能力，使之能够将新材料系统结合

获得将包含新材料系统和非线性现象的新计算架构原型化的能力，以相对快的速度使之与最先进的微电子实践兼容

研发划算的铸造过程和设计方法，为适合高/低通量的器件制备和制造的研究和发展课题组所用

软件，模型和模拟

创造不需要高深的知识和专业知识的编程和研发的语言和环境，函数库，解算器和编纂器。得到的软件和方法必须能够支持最先进的和计算能力超过百亿亿次的高性能计算平台

将非线性的物理和材料现象结合到模型和模拟系统中，使之能够设计，模拟，验证未来的计算架构，包括性能的精确预测。系统能够进行大规模的展示和应用

研发软件方法和技术，使之能够从数学，材料，物理，生物，制造或者计算架构角度自动发现和探索大的，复杂的参数空间

应用

利用企业水平的计算资源实现对日常攻击的自治，及可以应对复杂攻击场景的人机增强能力

利用企业水平的计算资源实现对复杂攻击场景的自治，利用节能的计算资源应对日常的攻击场景

利用节能的计算资源实现对复杂攻击场景的完全自治

以上研究发展方向，除美国国家科学基金会不参与7个研究方向中的应用方向的资助外，其余机构在以上7个研究方向均有资助。