5、纳米计算中的缺陷与容错技术探索

纳米计算中的缺陷与容错技术探索

1. 纳米计算冗余技术优势

在纳米计算中，模块级冗余方法带来了显著改进。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）的NanoBoxes且在模块级也使用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，同时其工作负载仍能100%正确运行。不过，本研究未对NanoBoxes内的错误检测和纠错逻辑进行故障注入，但考虑到系统面积成本约为无内部冗余和模块级冗余的NanoBoxes的9倍，这一结果仍令人印象深刻。

2. 非传统计算模型与架构

2.1 神经网络

过去二十年，受生物启发的人工神经网络在解决各种应用领域的复杂非线性问题方面广受欢迎且行之有效。它抽象了生物神经元和突触的特性，神经元的突触互连以及突触相关的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。
然而，纳米电子神经网络制造面临两大挑战：
- 神经网络连接丰富，要求每个节点进行长距离通信，而纳米电子实现更倾向于本地互连和短距离通信。
- 使用求和确定连接权重的神经网络，由于单电子晶体管的随机特性容易出错。

为克服这些限制，Rouw等人提出基于本地互连的线性拓扑结构，利用时间延迟、Hebbian学习和经典条件反射作为训练方法。
不同研究提出的神经网络实现方案如下：
|研究|实现方案|特点|
| ---- | ---- | ---- |
|[17]|以单电子锁存开关为基础的纳米级二进制权重、模拟信号（BiWAS）突触，设计二维方形自适应突触阵列|对于典型的大脑皮层连接性，基于最近邻通信的二维网格