18929339897

NEWS CENTER

新闻中心


SIA重磅报告(中):半导体未来的机会
来源: | 作者:pro49d7cb | 发布时间: 1581天前 | 2134 次浏览 | 分享到:

SIA重磅报告(中):半导体未来的机会

       这是SIA系列报告的第二篇,在昨天我们已经发布了SIA重磅报告:半导体未来的机会(上)》,给大家分享了SIA对于材料、封装、内部连接和存储相关的分析与展望。今天我们将继续分享报告的其他部分: 

(四)电源管理 

       基本上所有的系统都依赖于电力来运行。通过功率开关方式,转换目标(AC-2-DCDC-2-DC等)、受控、调节和存储的革命性进步,创新的系统和应用得以驱动和启用。 

       这些操作的效率是最重要的特征之一。例如,我们需要这样的功率开关:接通时,接近零电阻,断开时,几乎无阻塞电压,并且可以在几乎零时间内以零损耗在这两个状态之间切换。在接下来的十年中,我们需要从低功率水平(例如,电池供电的个人设备)提升到非常高的功率水平(例如,太阳能转换,高功率传输和可再生能源电网的连接)的功率转换效率。将需要器件来覆盖从几伏特到几千伏特的电压范围,从几瓦到几千瓦的功率水平。尽管功率水平有所不同,但几乎所有这些应用的驱动力都是:超越当下可实现的更低成本的高功率密度的要求。 

 

       未来十年需要解决的主要挑战是: 

       1、功率密度、转换效率、故障率、转换成本和重量等功率转换指标的显著改善,同时减少对环境的影响(例如,减少每千瓦所需铝、铜和铁的量)。 

       2、整个系统的持续动态性能改进使其拥有更好的容错性和鲁棒性,将开关速度提高10-50倍以上,并降低系统尺寸和成本。 

       3、高性能先进的封装可驱动极低的电感和较低的热阻,同时具备出色的热循环可靠性。 

       4、更复杂和连接更广的电力系统分析和设计。 

       要实现转换效率、线性度等方面的突破,需要显著改进材料、器件(例如Si / GaN / SiC / GaAs晶体管,无源元件和磁性元件)和电路拓扑(例如功率 设备驱动程序)方面的性能,电力调节和电力存储方面也需要进步,例如对更有效的电池充电。新的减热和除热方法也很重要。最后,为了显著提高功率密度,需要片上/封装内集成的新技术。 

 

       所需的重点研究领域是: 

       1、改进半导体以及无源器件(电容器,磁性材料)、材料和器件架构,以获得极低的RDSon)、高耐压、高开关速度的器件,使之可在极高的工作温度下可靠,高效地工作。 

       2、转换器拓扑创新,如多单元架构、谐振拓扑和用于分析和优化的CAD工具。此外,新型的主动控制拓扑可以提高系统容错能力。 

       3、具有低电感和对不同半导体材料的兼容性的高效率高可靠性封装。 

       4、复杂电力系统的系统化分析和虚拟原型设计:包括半导体、封装和印刷电路板在内的整个系统的更全面的电磁干扰(EMI)和可靠性建模。 

 

       潜在研究课题 

       转换器拓扑:典型的转换器拓扑,如降压、升压和升降压,具有良好的性能指标,已被广泛使用数十年。随着过去十年改进的功率晶体管的发展,现在出现了探索更复杂的转换器拓扑的机会。改进的转换器拓扑结构可以显著提高功率密度和EMI。这反过来将支持提高功率输送效率、实现更高功率的系统,并提高整体系统的易用性。例如,对于移动电池充电器,解决体积和热量的问题是至关重要的:随着电池尺寸的增长和电池充电电流的增加,手机充电时间的限制因素在于,通过电源转换技术支持更高的充电电流的能力。新的拓扑结构提供了改善充电时间的机会,而不会违反超出的尺寸、体积和热限制。在低压系统的拓扑类别中,有两个主要的建议: 

       开关电容转换器:高密度开关电容转换器的开发已经表明了我们能够显著提高功率密度和转换效率。开关电容转换的剩余挑战是互连和转换比。 

       1) 通过互连,将功率晶体管连接到多个分散电容器的能力限制了所采用的开关电容转换器的数量、类型和复杂性。改进的开关电容拓扑结合高密度电容器的片上或单片集成,使得以前被认为极其复杂的拓扑结构变得更加实际。 

       2)合理利用转换比。开关电容转换器在固定转换比下可提供非常高的效率。在实际应用中,在宽输入和输入电压范围内工作的能力是必须的。一个越来越有趣的研究领域是结合谐振技术,实现宽转换范围的开关电容转换器。为了克服限制,这些技术具体采用非常小的电感器作为对传统开关电容器转换器的补充,其通常小于10 nH 

       3)谐振变换器:共振转换器具有完善的拓扑结构,通过消除在每个开关周期内发生的损耗(通常称为开关损耗)来增加价值通常称为开关损耗。这些损耗限制了转换器的工作频率,也限制了可实现的功率密度。谐振转换器的主要挑战在于如何在广泛的工作条件下实现出色的性能。需要研究用于低电压系统的谐振转换器,使之可在宽VinVout和负载电流范围内保持高效率。这些拓扑不应该增加系统的复杂性,才可以保持所需的功率密度改进。 

       4)无源元件集成:诸如电容器、电阻器和电感器的无源元件是任何电源转换系统的基础和关键部分。通常,两个最关键的无源元件是电感器和电容器。在许多情况下,无源器件使用的被动局面实际上是由于其尺寸,损耗和成本而限制了系统可实现的性能。需要进行重大研究,以改善无源组件以及整体系统性能。 

       5)电容器集成:集成电容器可以大大提高电源管理系统的性能。尽可能地靠近开关装置,定位电容器有助于改善易用性,实现更高的效率和更高的功率密度。集成在硅中的高密度电容器可用于自启动电容器、输入电容器、输出电容器和去耦电容器。这些可能应用中的每一个的性能优点具体来说不太相同,但是总体来说,它们实现整体上更高效和更高密度的系统。不仅需要研究电容密度的提高(例如新材料),还要考虑可制造性,包括制造成本。 

       6)电感器集成:功率电感器在许多开关电源设计中是必需的。电感器提供大信号转换器波形的滤波,并提高效率和可控性。与电容器类似,尽管工艺技术取得了重大进展,但是系统性能的限制因素通常在于磁性材料。尽管在将磁性材料集成到硅中的工作上尽了很大的努力,但商业成功很有限。而在进入商业应用的障碍则是性能和成本。 

       7)与性能相关的挑战通常集中在材料上。为了构建高品质的电感器,需要厚料(铜,磁性材料等)。但是沉积的材料越厚,电阻越低,饱和电流就越高。所以需要研究新的磁性材料,新的电感器结构和新的沉积/蚀刻技术,使集成电感器在性能(效率、电流水平)和成本方面更为实用。 

       8)多芯片模块(MCM)技术:共同包装不同芯片的需求变得越来越重要。这样做提供了为主要目的优化单个die的自由度,同时实现了改进的功率密度,系统解决方案成本和易用性。通过使用GaNSiC,这种需要变得更加必要。需要在模块材料,多芯片封装建模,热效应和性能,以及仿真工具来模拟多芯片模块这些方面的研究。 

       9)功率器件技术:功率转换器性能基本上由开关晶体管的性能决定。这些晶体管通常具有几个帮助设计人员快速评估该技术的质量的品质因素(FOMs)。第一个是给定击穿电压(BVdss)的RspRsp是用于确定由FET的单位面积引起的电阻。Rsp越低,器件越好(相同电阻的die面积越小)。第二种是一组开关品质因素,它们决定了为功率器件的电容元件充电/放电需要提供的能量。这些基于电荷的品质因素越低,整体性能越好。 

       虽然硅一直是用于功率器件的主要半导体材料,但是已经越来越多地使用宽带隙半导体,例如用于高电压,高功率器件的GaNSiC,以及越来越多地使用高迁移率半导体像用于低电压电源转换器的GaAs。这些器件提供了显着改进的Rsp和开关品质因素,这进而实现更高的开关频率和降低的功率损耗。 

       为了增加在电力管理领域对这些新材料的接受度,在未来十年中需要研究,设备/过程的建模,基本设备运行和可靠性方面的协议,改进增长技术,减少缺陷率,改进和缩小制造到200毫米甚至300毫米,以帮助提高成本效益指标。 

       使用这些材料创新新设备架构至关重要,以继续改进关键设备品质因素。除了GaNSiCGaAs之外,还有其他材料具有更宽的带隙,例如AlN和金刚石,这可以帮助实现更高水平的性能。设备和制造技术以及对这种新材料的可靠性理解也应是未来十年的研究课题。 

另外,随着功率器件的改进,将需要开发与Si和非Si材料兼容的新型封装技术,以利用其改进的性能。 

 

(五)传感器和通信系统 

       信息时代的关键推动者是无缝地感知和传达信息的无处不在的能力。信息的爆炸和物联网的出现正在使现有技术的能力变得越来越紧张。结果电磁频谱变得越来越拥挤,需要新的传感和通信解决方案来满足日益增长的信息需求。两个协同应用领域是以微波,毫米波或THz频率工作的传感器和通信。无线通信,雷达,计算机视觉以及消费者,军事,工业,科学和医疗应用中使用的侦察和成像系统的持续创新至关重要。 

       举一个例子,在RFTHz频带中运行的将来的传感器系统将需要用于自适应地感测环境,提取和处理信息以及自主反应或响应的新颖的,节能的设备,电路,算法和架构。作为另一个例子,在具有干扰,阻塞和快速变化的网络拓扑的复杂无线电环境中操作的认知通信系统将被期望感测关于其环境和可用资源的信息并且动态地调整其操作。此外,为了确保向最终用户提供安全的服务,将需要高效的频谱使用,干扰减轻和频谱优先级。 

       创建这些新的系统功能需要设备和电路的新方法,例如混合信号和模拟电路性能的突破,具有非常低的噪声,高灵敏度和低功耗特性,同时保持实际操作特性。此外,许多传感器在相对较高的电压下的模拟域中工作,因此模拟信号处理,模数转换和高效电源管理(另一部分详细说明)的新方法至关重要。 

 

       潜在研究课题 

       为了解决这些应用,需要突破性的集成研究,来解决传感器和通信系统的所有方面的问题,包括材料,设备,组件,电路,集成和封装,架构和算法。此外,研究主题的关键是通过在协议栈的所有元素上应用优化并利用真正的跨层设计来实现开发和设计的整体方法。 

       需要进行研究以实现和/或改进以下内容: 

       新一代传感器将强调敏捷性,紧凑型设计,传感器节点计算和保密等特点: 

       1)灵活性:可重新配置,自适应,多功能,多模式,自校准传感器,具有更高的自由度,有效利用电磁(EM)频谱,包括频谱灵活性,瞬时带宽/波形敏捷性,(非常)宽带宽和高动态范围。 

       · 紧密且廉价,能够感测和测量多个变量。 

       · 协调使用多种传感器模式。 

       · 灵活,信任和隐私。 

       · 内置传感器内存并进行计算。 

       · 通过灵活和弹性的架构和接口协议实现传感器协作和计算。 

       2)超线性通信链路,可实现高调制格式和用于IoT的集成通信组件,以及分布式传感器系统,可实现高线性上/下转换的超低功耗,高数据速率,长距离传感器通信: 

              大格式(例如3 m x 3 m)灵活的智能传感器和传感器阵列。 

              具有实际操作特性的高度线性,高效率(低功耗),(超)宽带,超低噪声模拟/ RF器件和电路(例如,PALNA,开关,混频器和IF放大器),如 室温或更高温度可靠运行。 

              混合信号和模拟电路(例如,高动态范围,低功耗ADCDAC等)的突破,包括用于模拟信号/信息处理的新方法(电路和架构)。 

 

       传感器和通信的架构和电路解决方案: 

       · 灵活性(自适应和动态可重置的)RF设备,电路和架构,包括自优化和弹性网络以及动态可重置的互连结构。 

       · 可扩展的自适应行为学习和认知处理(信息提取)架构,用于实时和可靠的感测,操作和通信(例如,功能驱动的智能感应,通过仅检测显着特征,模式,和/或阈值)。 

       · 用于不利于PNT(定位,导航和定时)环境中的传感器和通信系统操作的精确定时的新型电路,架构和/或算法。 

       · 新型节能收发器模块,子系统,阵列和架构,包括大功率(高功率密度)和THz发射器,接收器和通信链路,如大规模可扩展的多输入多输出(MIMO)和波束形成器。 

       联合设计模拟工具和方法:开发用于复杂(例如3D和异构)的多功能射频系统的快速准确,多物理,多维,多域(共域)设计(RF /模拟/ EM,热和机械)和仿真工具和方法。 

       新的频谱利用系统级管理,以改善频谱占用,并允许智能频率分配(包括不连续的频带聚合和新波形的使用)和/或共享以克服干扰(包括自身引发)和阻塞问题(例如扫描和在非常宽的频率范围内检测传输,以避免干扰以及有效利用频谱资源)。 

       通信和侦察方法来减轻威胁,并能够快速传输和接收关键数据,恒定传输,自主操作和决策,包括嵌入式实时学习,识别威胁情境的能力以及在传输数据和信息之前进行局部处理的能力。自主运行也可能需要综合发电和采集,分配,调控以及调制。 

       材料和器件使RF能够进行太赫兹操作 

       新材料(半导体,封装,基板,磁性材料,超颖材料等); 器件(二极管,晶体管,开关,变容二极管等); 组件(高Q电感,滤波器,低损耗传输线,耦合器,双工器,天线/辐射元件等); 以及用于实现RFTHz电路和系统的相关制造工艺和制造方法。 

       新技术,材料(金属,电介质),组件(源,检测器,传播介质等),制造工艺和架构,以实现(超)低损耗,宽带宽互连和通信链路(例如,THz线 无线互连和LOS / NLOS传输,光互连,射频光子学,自由空间,回程传输,零开销和可扩展传输等的空中接口创新),可显着降低数据/信息的通信或分配中的能量消耗。 

       · 材料,设备,组件和包装,用于极端运行条件(如高温)和恶劣环境。 

       · 用于封装级或集成式(例如片上)能量产生(采集),存储,分配,管理和调节的材料,器件,电路,子系统和方法。 

       · 材料,器件,电路,封装,组装和系统,用于光谱学和mWave和(子)THz成像,用于军事和商业应用(例如,生命体征,安全性,非侵入性生物信号表征等)。 

       · 新颖的封装和集成方法,包括不同材料(例如SiIII-VsII-Vis2D材料,磁性材料,铁磁性,铁电体,多铁性材料等)的3D和异质集成; 以及用于提高性能,降低成本,创建新功能,增加功能密度(例如,完全集成的逻辑,RF和混合信号功能)的设备和功能。 

 

(六)分布式计算和网络 

       使用计算机来支持企业和社区的社会互动,商业,防御和治理需要大规模的分布式计算系统。 

       这些系统支持非常多的参与者和非常多的不同应用。 

       分布式系统的数据中心示例包括仓库规模的公共云计算基础设施和用于科学研究和石油和天然气勘探等商业应用的高性能计算集群。新兴的大数据工作负载在分布式集群上执行。在网络的边缘,IoT处理基于分布式系统,其中边缘和端点设备的性能,能力和能量消耗比数据中心集群中的计算节点小得多。在数据中心层和边缘层之间,分布式系统中可能存在一个或多个聚合层,提供中间处理和存储以平衡数据中心或云中的高性能以及端点和边缘设备的相对适度的能力。 

       虽然诸如对称多处理器之类的集中式计算系统在诸如事务处理等工作负载中起关键作用,但对称多处理器的内存一致性要求将其可扩展性限制在几十个处理器。分布式系统不需要类似的一致性模型,因此可以将其扩展到更多数量的处理器。因此,全球计算能力的持续增长是基于分布式架构。 

       在分布式架构中,包括计算,存储,存储,传感器和执行器在内的资源遍及整个系统,并使用各种网络架构和技术进行互连。由于应用程序在执行过程中必须访问这些联网(分布式)资源,所以成本和通信开销成为系统性能和效率的重要因素。新的最终用户应用程序需要在通信中进行显著改进,即降低成本和延迟,并增加带宽。 

       基于物理的延迟和能源实施约束加剧了改善通信的挑战。因此,网络的创新在各个层面上都是至关重要的,从片上到数据中心之间,使用有线和无线技术协议。 

       在计算,存储和网络的性能增长与能源消耗的成本和限制性方面存在显著的不平衡,这将需要远远超出当今硬件和分布式架构的新颖的分布式系统进展。为了支持计算需求的持续增长,对于现有工作负载,特别是对于利用大数据和提供认知计算能力的新兴应用程序,必须在分布式架构和系统中实现显着的进步。 

       本研究的目的是探索极大规模分布式架构的挑战,及它的无限可扩展性。这种可扩展性在能源消耗和成本方面必须是务实和现实的,以便这些新的分布式系统在经济上可行和可部署。由于摩尔定律的成熟,性能和能源消耗的改善将越来越依赖于加速器(以今天的图形处理单元(GPU)为例)和其他异构架构技术。 

       因此,未来的分布式系统必须日益实现异质性,而不会增加大量的软件开发或编程负担。需要新型,多层次,有线和无线连接的系统;层可以包括传感器和/或致动器,聚合,云或数据中心或其组合。预计所有层级都具有高度可扩展性,并且层级内部和层间都有异质性。 

       物理世界的端点接口通常是模拟的;而本节主要侧重于数字计算,一旦端点信号转换为绝大多数处理发生在大多数系统中的数字领域,就解决了所有处理。与模拟信号接口的传感器和执行器在另一部分进行了说明。分布式系统的工作负载和系统管理面临许多挑战。安全和隐私也是必须解决的关键问题,包括多租户多负载工作场景中的安全性。需要进行研究来解决资源和应用程序管理方面的关键新挑战,这些新挑战必须被有效地克服,以便这些新颖的、大规模的系统能够广泛支持现有和新出现的工作负载。 

 

       潜在研究课题 

       系统性能、效率和适用性:为了实现系统价值和能力的实质性改进,需要进行研究,以推进分布式系统性能增长,并实现从各个组件到系统级各个级别的能源效率大幅度提高。相关目标是: 

       · 为多个异构层(例如,传感器、聚合、数据中心和/或云)的大规模系统展现突破性的可扩展性和效率水平。 

       · 在计算、网络和存储方面实现系统性能、能源效率和鲁棒性性的主要改进。 

       · 非传统和传统架构同时包含在任务重,以推动分布式系统软件研究和应用的边界。 

       网络和通信:分布式系统需要系统层级的各个层次的高效通信机制和技术,从片上通信到数据中心之间的广域网。网络和通信研究是本研究的核心。主要研究领域包括: 

       · 体系结构、协议、算法和系统,以支持大于10倍的功率效率和有线和无线通信的延迟。 

       · 探索数据中心级互连和网络创新,大大提高可扩展性、减少延迟和能耗。 

       · 自优化和弹性网络,可重构互连结构以及高速、安全的数据链路。 

       系统管理:分布式系统管理有多个方面。必须对系统本身进行监控以进行正确的操作,并且必须对其进行调整和优化,以实现必要的性能和服务质量。数据的安全和隐私必须得以监控、管理和保证。必须合理规划、监控和调整工作负载。为了推动所有这些领域的最新技术,建议研究的领域是: 

       · 提出和证明在整个系统中管理隐私和身份验证协议的创新,具有便于证明的属性和保证。 

       · 提出和证明基于大规模多租户系统的配置、工作负载和数据管理的创新。 

       · 开发用于大规模分布式系统的自动预测、诊断,重新配置、优化和修复的系统仪器和分析。 

       分布式系统架构和基础知识:为了实现异构分布式系统的可持续发展、可扩展性和更广泛的部署,鼓励在基于分布式系统的计算机科学和计算机工程核心领域进行研究,例如: 

       · 灵活的分布式计算基础。 

       · 分布式和联网系统的编程范例和语言。 

       · 软件定义的基础架构和资源虚拟化。 

       · 分布式决策和优化支持。 

       · 新型计算架构,降低在本地和远程处理和传输数据的能量和时间,用于分布式计算环境中的高光谱感知、数据融合、决策和安全效应器的启动。 

       · 合作和协调的分布式系统概念,在通信挑战和隔离环境中(在该环境中,有线和无线环境不一定可用、可靠或者安全的)可以扩展并正常工作,并且当通信恢复或部分恢复时,它可以智能地同步。 

 

(七)认知计算 

       认知计算是指模拟人类大脑的智能信息处理系统。这样的系统可以自主学习,积极主动地解读数据,有目的地执行推理和决策,使用获取的知识解决不熟悉的问题,并与人类进行实时的自然交互。它们不仅可以产生精心设计的数值问题的答案,而且可以在大量非结构化数据中发现微妙的模式,为人类决策者提供假设,理性论证和建议。认知计算的目标是通过形成和扩展他们所感知的社会环境的模型,与当地的操作人员以及与全球智能网络进行交互,进而执行高度复杂的任务,创建可以在现实世界中运行的这些自主智能机器。 

       认知体系具有提升经济竞争力,促进社会效益的潜力。例如,它们帮助我们自动操作迄今为止不可能的规模的制造、行政和财务流程,帮助我们推进精神医学进步,发展个性化教育项目,更有效地部署政府资源和社会服务,及时发现异常情况,有效执行防灾和环境保护,更加人道、伦理地进行防务和军事行动,这些都只是许多巨大跨越中的一部分。这些应用程序依赖于认知系统快速吸收相关信息的能力,并从松散结构化或非结构化数据的洪流中提取有意义的见解。  

       实现创造认知系统的宏伟目标需要解决以下关键挑战:  

       1)开发具有基本认知能力的系统,包括感知、学习、产生知识、推理、预测、规划和决策; 

       2)开发有效的算法和架构,用于监督和无监督学习; 

       3)开发无缝人机界面; 

       4)发展认知子系统网络; 

       5)将新的认知系统与现有的冯·诺依曼计算系统相结合。这需要全系统的方法,包括信息处理、编程范例、算法、架构、电路、器件技术和材料开发。在技术挑战之上,必须解决安全问题,以提供安全可靠的认知计算系统和网络。 

 

       潜在研究课题 

       感知和学习:为了使认知系统具备多种能力,并广泛服务于我们的社会,他们必须感知环境,感知与之互动的人物或对象,并从传感器数据中提取有用的知识,(3)还需要从人机交互和过去的经验及其他环境输入中学习。为此,具体的研究需求可能包括: 

       追求多模式感知技术的突破性进展,如开发感知算法,以便从原始传感器数据中了解环境。 

       正在开发中的算法 

       - 允许从非结构化、未标记的数据学习,例如通过人机交互或其他环境反馈 

       - 启用上下文感知学习 

       - 将学习的知识或概念转移到新的领域 

       - 允许在线学习和实时推理 

       探索现有学习和深度学习算法的基本限制,开发深层神经网络的理论基础,并从神经科学中获得无监督学习的知识。 

       开发新的体系结构和算法,以期允许以显着减少的训练集达到所需的测试精度。 

       进行超越最先进的深度学习模式的研究,(a)克服对离线学习的依赖,(b)减少对贴标训练数据的需求,(c)提高捕获数据中高阶结构的能力。 

       开发用于认知工作负载、神经网络和其他大脑启发的计算应用程序的节能和低成本模拟技术。 

       基于神经元/神经电路的新颖实现和编程范例的新设备,为神经元和生物启发计算开发基础理论。特别关注的是超越现有的最优秀的深入学习网络、超越深神经网络(DNN/卷积神经网络(CNN)、稀疏编码数据方法的认知。 

       开发适用于神经网络应用的可重配置网络,例如人造神经网络(ANN),反复神经网络(RNN),细胞神经网络(CNN)等。 

       开发神经相关模型,稀疏编码和分布式稀疏编码。 

       探索计算机视觉:导航建立在对环境进行详细的了解基础上(例如在自主车辆中)。有关环境的信息可以由图像传感器收集,由计算机视觉系统处理和分析,并输出到执行器和机器人功能。因此,计算机视觉有时被认为是人工智能的一部分。 

       硬件加速学习:为了大规模部署认知计算系统,上述学习算法需要新的计算硬件,在不影响性能的情况下,学习算法的速度、训练数据的大小、能耗、空间占用和成本比当前技术更有效,而不损害性能。研究课题可能包括: 

       开发适用于使用人工神经网络进行训练和推理的超CMOS设备、材料、存储元件,电路和架构以及其他脑启发式算法,从而通过以下方式模拟神经元的动作: 

       新型设备、存储器元件和执行本机操作的电路,经常以保真的方式用于学习,例如(矩阵)乘法、加法和除法 

       新的拓扑结构,如刺激神经网络和推理增强神经网络,可显著提高效率、准确性、可扩展性和并减小延时。 

       基于学习反馈和可变突触连接的允许神经元数量变化的新拓扑 

       CMOS硬件的新内存和数据表示,比直接的数字表示具有更高的学习效率 

       各类人工神经网络的可重构网络 

       利用由超CMOS技术催生的独特随机和互连结构,在超CMOS硬件中实现神经形态原语(突触、神经元、尖峰,连续可变振荡器及其网络), 

       开发用于神经网络和其他脑启发计算的节能、低成本的技术,例如通过利用超CMOS纳米器件的内在随机性,以及将深度学习模型有效映射到超CMOS硬件。 

       开发用于机器学习的硬件结构。 

       将已建立的神经和皮质机制连接到超CMOS功能的硬件上。  


       决策:在应对高难度、复杂的任务时,我们依靠认知计算系统来分析选项和权衡、评估风险、检测异常情况,并为不确定性下的决策提供建议。需要研发新算法来满足这些需求。 


       除此之外,还有以下需求: 

       开发加速战术决策架构-,在需要快于人类反应和非传统的链命令响应的情况下将机器委托给机器。 

       计算加密数据,支持可扩展决策系统的安全性。 

       启用信任:为了建立对认知系统的信任,研究人员必须开发可靠的技术,以确保训练和测试数据保持不偏不倚,完整无缺。关键的需求是,一种可以验证学习、推理和决策算法是否客观、稳健、确定、灵活和准确性的方法。 

       其他重要话题: 

       人机接口: 

       为自主系统开发无缝人机界面,包括高精度传感器反馈IoT系统 


       开发人员与无人机平台之间的创新合作 
 


       认知子系统网络: 

       开发灵活的自我优化和自我修复网络,内存和计算单元的架构,用以连接智能系统中的数十亿台设备 

       与当地认知系统交互的社会规模应用和数据收集系统的开发,以优化决策支持 

       保安和安全: 

       调查恶意和/或破坏性认知系统的性质 

       了解非预期有害认知系统的来源和风险