多年来，技术发展的瓶颈一直是如何让处理器和内存更快地协同工作。现在，瑞典隆德大学的研究人员提出了一种将存储单元与处理器集成的新解决方案，该解决方案可以实现更快的计算，因为它们发生在存储电路本身中。

在Nature Electronics 上的一篇文章中，研究人员展示了一种新的配置，其中存储单元与垂直晶体管选择器集成在一起，所有这些都在纳米级。与当前的大容量存储解决方案相比，这带来了可扩展性、速度和能源效率的改进。

根本问题是，任何需要处理大量数据的事物，例如人工智能和机器学习，都需要速度和更大的容量。为了成功，内存和处理器需要尽可能靠近。此外，必须能够以节能的方式运行计算，尤其是当前技术会在高负载下产生高温。

图片来源：隆德大学

处理器的计算速度比内存单元的速度快得多的问题多年来一直是众所周知的。用技术术语来说，这被称为“冯诺依曼瓶颈”。出现瓶颈是因为内存和计算单元是分开的，通过所谓的数据总线来回发送信息需要时间，这限制了速度。

“处理器多年来发展了很多。在内存方面，存储容量稳步增加，但在功能方面一直很安静，”隆德大学纳米电子学博士生、文章作者之一 Saketh Ram Mamidala 说。

图片来源：隆德大学

传统上，限制一直存在于电路板的构造中，其单元在平面上彼此相邻放置。现在的想法是在 3D 配置中垂直构建并集成内存和处理器，计算发生在内存电路本身内。

“我们的版本是底部有一个晶体管的纳米线，还有一个非常小的存储元件位于同一根线上的更远位置。这使它成为一个紧凑的集成功能，其中晶体管控制存储元件。这个想法之前已经存在，但事实证明，实现性能很难。然而，现在，我们已经证明这是可以实现的，而且效果出奇的好，”纳米电子学教授 Lars-Erik Wernersson 说。

研究人员正在使用 RRAM（电阻式随机存取存储器）存储单元，这本身并不是什么新鲜事。新的是他们如何成功地实现了功能集成，从而产生了巨大的可能性。它最终在从人工智能和机器学习到普通计算机的所有领域开辟了潜在的新研究领域和新的改进功能。例如，未来的应用可能是各种形式的机器学习，例如基于雷达的手势控制、气候建模或各种药物的开发。

“内存甚至可以在没有电源的情况下工作，”Saketh Ram Mamidala 补充道。

在隆德，研究人员长期以来一直成功地在所谓的 III-V 技术平台上构建纳米线。隆德的材料集成是独一无二的，研究人员从 MAX IV 实验室开发材料并能够了解其化学性质方面受益匪浅。

“解决方案可能也可以在硅中找到，这是最常见的材料，但在我们的案例中，是材料的选择能够实现性能。我们希望通过我们的研究为工业铺平道路，”Lars 总结道-埃里克·沃纳森。