技术达人 陈怡然 专访

受访人：陈怡然，杜克大学副教授

采访人：魏秀参，南京大学在读博士

(1) 我们了解到您的研究方向是纳米级超大规模集成电路的技术与设计，您和您的研究组在这方面可以说目前处于世界领先水平，能否就此研究方向的概况介绍一二？

答：超大规模集成电路的研究已经延续了超过五十年，主要包括两个重要的组成部分。第一是新材料与新工艺的研发，保证了技术上可以不断地缩小半导体器件的尺寸并/或提高其集成度。第二是新型架构、电路、与设计方法学的研究，从而能够在分利用新材料与新工艺所带来的优势的基础上克服其所带来的缺点（比如高漏电流等等）。

(2) 接上一个问题。这个方向目前的难点和关键是什么？针对此难点／关键技术，最有希望的突破点又会是哪些？该领域发展是否依赖于新材料的发明？

答：对于集成电路技术未来发展的最大挑战在于是否有可能继续缩小半导体器件的尺寸。由于现在制造工艺的复杂度，这牵涉从光学、化学、材料、精密制造等一系列的问题。现在的共识是这一趋势迟早会停止，但什么时候会停止大家仍旧有争论。我个人认为或许技术上仍旧有可能，但是当经济成本已经不划算的时候，这一趋势就会停止，相关投资就会彻底转向其他方向，比如三维集成等等。单纯的新材料发明并不能完全改变这一现状。

(3) 当下AI展示出其强大的生命力，尤其是其在业界创造财富的能力凸显，可能工业界和学界都对AI抱着很大的希望，因此投入较多。对此，您所涉及的研究方向是否有影响？

答：我们从2011年开始进入这一领域，主要从事和AI相关的集成电路与计算平台设计。而AI（主要是深度学习）的浪潮大概是在2013年才兴起。所以实际上我们也并没有料到后来这个方向会这么火。不过经过六年左右的发展，我们组（Evolutionary Intelligence Lab，简称EI-Lab）已经逐渐建立了从新器件、电路、体系结构、算法一直到到应用各个层次的研究体系。AI的发展可以说对我们研究组最近几年的发展影响巨大。

(4) 关于这波AI浪潮，有人说是“三十年河东，三十年河西”。您作为不同研究领域的专家，怎么看待这次的AI大潮？

答：这波浪潮主要是由深层网络在有监督学习应用领域的突破引领的。这既是很多年相关软硬件领域技术积累的结果，也有一定的偶然性。历史上AI研究的发展有过很多次反复。我个人感觉，如果在弱/无监督学习等新的热点问题上没有突破的话，这次AI浪潮将会在逐渐解决各类有监督学习应用问题的同时进入平稳下降通道。

(5) “启发式”可以说是摆在人类面前的一条现成的路。在神经形态计算（Neuromorphic computing）方面，神经科学（Neuroscience）的结论是否有助于神经形态计算的发展？二者关系如何？

答：其实神经科学和神经形态计算之间的联系并没有大家想象中那么密切，甚至互相还有点瞧不上。现在我们对大脑的运行机理的认识还相当肤浅，理解和探索的手段也都不大有效。神经形态计算的理论基础并不能（也不迫切需要）严格反映神经科学的最新进展。从长远来看对大脑以及人类神经系统的研究一定会在某种程度上加深我们对于认知计算的理解，但现在还无法预言这一影响会有多大。

(6) 目前深度学习是计算机视觉、语音识别等AI领域的主导技术，有关深度学习的发展，神经形态计算和神经科学又能否起到较大的助力作用？或相反，深度学习的进步，能否又如何促进神经形态计算领域的研究？

答：大家一直觉得深度学习所聚焦的既然主要是有关认知计算的应用，那么神经形态计算和神经科学的发展应该对深度学习有极大的促进作用。但是很不幸，如果按照现在的深度学习的定义，它和后两者的交集其实很小，而且主要集中在神经形态计算芯片方面。这主要是由于这些技术在历史上几乎独立的发展道路所决定，并不是技术发展的自然选择。我们很高兴的看到深度学习的发展中对于计算资源的需求已经极大的刺激了神经形态计算领域的发展，相信也会反过来对更深入的理解人脑运行机制有相当的促进。

(7) 我们知道目前已有针对特定任务的指令集计算机。那么，在嵌入式电路设计或低功耗电路设计方面，有没有单独针对某类算法的精确定位设计？例如，机器学习算法的嵌入式设计，深度学习的嵌入式设计等。

答：这类电路设计也不是新问题了。实际上八十年代甚至更早，在神经形态计算领域就有类似的想法与设计。只是当时所针对的算法与现在稍有不同。

(8) 您对生物计算机、量子计算机等新型计算机的发展怎么看？

答：这些都是很有益的研究，如果能够成功，前景也将非常广阔。不过虽然这类研究已经取得了一些初步的阶段性成果，考虑到技术发展的不确定性与商用的需解决的各种障碍，现在对这类研究的未来下结论还为时尚早，

(9) 在今后纳米级超大规模集成电路发展中，以摩尔定律为驱动的路线图是否走到了尽头？

答：其实我在问题(2)中已经基本上回答了这个问题。过去五十年间集成电路技术发展的基础就是摩尔定律。当器件尺寸无法继续缩小后，增加集成密度和集成多样性就变成了新的目标。三维集成（3D Integration）技术以及异构集成（Heterogeneous Integration）技术将会快速发展。在电子技术甚至信息技术领域短期内还看不到可以替代超大规模集成电路的新技术。