5、纳米、量子与分子计算中的容错技术与工具

纳米、量子与分子计算中的容错技术与工具

1. 纳米计算的容错优势

在纳米计算中，模块级冗余方法相较于不使用模块级冗余有显著改进，其中纳米盒（NanoBoxes）提供的位级冗余影响最大。与传统CMOS因软错误导致的预期故障发生率相比，采用内部三模冗余（TMR）纳米盒并在模块级使用TMR的处理器系统，能承受比当代CMOS高20多个数量级的软错误率，且工作负载仍能100%正确运行。不过，纳米盒内的错误检测和纠错逻辑在本研究中未进行故障注入，但考虑到系统面积成本约为不使用内部冗余和模块级冗余纳米盒的9倍，该结果依然令人印象深刻。

2. 非传统计算模型与架构

2.1 神经网络

过去二十年来，受生物启发的人工神经网络是解决各种应用领域复杂非线性问题的流行且成熟方法。它抽象了生物神经元和突触的特性，神经元的突触互连及突触权重形成分布式计算网络。纳米电子学领域已提出神经网络的实现方案，包括利用单电子效应的方案。
- 面临挑战 ：Rouw和Hoekstra指出纳米电子神经网络制造面临两大挑战。一是神经网络连接丰富，要求每个节点长距离通信，而纳米电子实现更倾向于本地互连和短距离通信；二是使用求和确定连接权重的神经网络，因单电子晶体管的随机特性易出错。
- 解决方案 ：Rouw等人建议采用基于本地互连的线性拓扑，利用时间延迟，并以Hebbian学习和经典条件反射作为训练方法。
- 不同实现方式
- [17]的工作以单电子锁存开关为基础，设计了纳米级二进制权重、模拟信号（BiWAS）突触，提出转发和分支锁存开关，用于设计二维