来源：本文由半导体行业观察翻译自SIA的报告
，谢谢。
在前两天，我们发布了SIA关于半导体产业技术未来的展望前两部分
《SIA重磅报告（上）：关于材料和工艺等》
和
《SIA重磅报告（中）：电源管理、认知计算等》
。今天我们将会发布此系列的最后一篇：
（八）生物影响的计算和存储
生物学和半导体科学与工程的融合是一个新的多学科领域，有潜力为信息处理系统的设计和制造提供转型进步。基于DNA合成和表征的突破，生物设计自动化、纳米制造以及对能效信息处理生物过程的理解，都将取得进展。利用这一新兴领域（有时称为半导体合成生物学）来实现下一代信息处理和存储是一个适宜的机会。
未来超低能量计算系统可能建立在源自化学、生物学和工程学交叉点的有机系统的原理之上。基于生物学原理和使用生物材料制造设备和组件的新信息技术的前景是可以预期的，预计使用该方法能够产生千倍于当今存储技术可提供的最大存储容量。这样的进步将使紧凑型高性能计算机的功耗比目前的计算机低一百万次。
潜在研究课题
（1）基于DNA的海量信息存储：
计算和存储期间的设备扩展和能耗已成为现代信息和通信技术的战略重要性问题。 例如，核酸分子的信息存储密度比任何其他已知的存储技术高几个数量级。 理论上说，一公斤的DNA具有2×1018 Mbit的存储容量，相当于2035年至2040年世界总储存量的总需求。最近DNA合成和测序的进展使得有可能实验探索生物应用以外的DNA存储。 主要突破发生在2012 - 2016年期间，几个团体展示了基于DNA的信息存储与主流数字格式兼容。如果可以开发集成的DNA记忆技术，这类内存系统可能会广泛使用，而且特别适用于档案应用。
（2）节能、小规模、细胞启发式的信息和系统：
了解蜂窝信息处理的原理可以实现新一代的计算系统。 生物计算中最有潜力的特征之一是极低的运行能量，接近热力学极限。 从生物信息处理到未来的高功能，空间有限，数字和模拟半导体系统可以传递哪些教训，这些系统将高信息密度与极低的能耗结合起来？自然似乎已经成功地解决了亚微观设计挑战，并且可能会为将来的信息处理微系统提出新的解决方案。
合成生物学的进步开始为未来的半导体技术提出可能的途径。例如，有迹象表明，生物化学反应在能源效率下进行信号处理，这比未来的先进半导体纳米技术预计的要好几个数量级。
细胞半导体界面和混合半导体生物系统：混合生物半导体平台可以利用天然和合成生物过程和半导体技术。在这样的混合平台中，活细胞和组织可用作“生物前端”层，其中细胞的生物化学过程用作与外部环境的有机界面，并进行生物感测、驱动、信号处理、综合和能量收集。
与之平行的，底层半导体平台可以形成用于信息计算、控制、通信、存储和能量供应的“半导体后端”层。集成了生物感知功能、无机信息能量生成，以及能够使能各种新应用的计算能力的自供电的片上智能传感器系统。该系统可实现多种新应用。
例如，合成生物学的进步可以促进自供电智能传感器系统的发展，这种系统集成了生物传感功能和无机能量产生和计算能力，可以实现多种新型应用。示例应用包括快速、高通量的化学筛选，用于个性化药物的药物发现，诊断和治疗计划，检测用于防御和环境需要的化学和生物制剂，以及新型微观生物致动器或机器人。
混合电子生物系统的设计自动化：复杂的电子生物系统需要制定新的方法和设计原则。虽然特设合成生物学已经展示了许多令人印象深刻的概念验证电路，但是需要全面的计算机辅助设计工具来可靠地支撑更大和更复杂系统的设计，例如全细胞模型。
利用先进的电子设计自动化（EDA）工具和复杂设计的概念可以大大提高生物设计自动化（BDA）功能的复杂性。目前证明的是~104BDA等效“位”（例如，DNA碱基对）与〜109 EDA“位”（例如芯片上的二进制开关）。该主题的范围包括理论基础，设计方法和标准，旨在开发用于转换和整合合成工件的新引擎，用于程序员交互的有效方法和包含多尺度过程的反馈以及自动程序综合工具来创建满足复杂生物电子系统规格的软件。
电子纳米制备和材料的生物学途径：生物分子，如DNA，RNA或蛋白质，可以为各种结构和形状的开发提供可编程机制。原则上，细胞以高产量和低能量损耗来制造惊人的复杂的新结构。生物装配以约1018分子/秒的组合速度发生（在生物生长速率下，1Gb芯片可以建立在约5秒钟内），并且能量约为10-17J /分子，这相当于传统的减法制造的1/100。
基于已经证明了的由DNA控制的日益复杂自组装结构，这些方法具有生产复杂的亚10nm半导体结构的潜力。此外，工程微生物可用于生产一系列重要的化学品和材料，用于具有理想化学组成和形态的半导体工艺。需要开发的方法是基于细菌、病毒等的新方法，被用于自组装、图案化、组织或修复有机聚合物、无机材料、生物聚合物材料、功能电路和/或电气部件。
（九）高级和非传统架构和算法
需要研究来为可扩展的异构体系结构中的新范例奠定基础，并与算法的意义共同设计，反之亦然。例如，图形处理器利用非均匀集成的基于加速器的架构，基于稀疏矩阵的图表指令集和随机化通信处理图形计算，这比冯·诺依曼架构更有效。设计和集成各种特定应用的计算架构是开发方法和框架的一个主要目标，这是与算法和系统软件创新相呼应的。
研究的目标在于研发出体系结构和算法，利用CMOS和超CMOS技术使得功耗明显降低，并使规模扩展到1012个设备/ CPU和/或1012个节点/网络。根据应用陈旭，对计算本身的重新审视可能会催生处理信号到信息路径的设计新途径。
越来越多地需要异构架构和元素，如加速器，以实现性能、功耗和成本缩放。新架构的主要目标和要求是解决各种各样的片上和片外加速器的设计和集成，以及算法和系统软件创新。 广泛需要用于在数据中及附近计算的架构（数据的移动在能量和延迟方面非常大），以及自动配置和自动调整系统参数的能力。
自从冯·诺依曼计算出现以来，现代计算机在几乎无差错的设备层上运行。依靠近似计算（AC）和随机计算（SC）的计算架构可以允许错误率的显著可扩展性。 AC，SC和Shannon启发的信息框架的应用可以在能量、延迟和错误率方面具有优势，或者在错误的硬件层上实现可扩展架构。
目前，电路和系统架构是独立于算法开发的，导致性能和能量使用达不到最佳。需要研究新颖的架构和算法协同设计方法来弥合这一差距，从而提高应用的功耗性能指标，如优化、组合、计算几何学、分布式系统、学习论、在线算法和密码学等方法。特定加速器和专用于算法的组件的异构集成可以发挥重要作用。创新的计算架构技术将需要解决从CMOS向超CMOS设备的转变，其可能以低于100倍的能量和近10倍的速度运行。理论计算机科学与建模也将起到重要的作用。 这一基础主题产生的创新预计会对各种工作负载产生影响。
潜在研究课题
除了上述广泛的主题之外，感兴趣的可能的研究任务包括但不限于：
（1）非传统计算的协同设计的硬件（HW）和算法：
•使用超CMOS器件的计算理论。
•神经元计算理论。
•非冯·诺依曼计算复杂度（时间和内存）。
•神经形态计算复杂性（时间和内存）。
•随机计算复杂度（时间和内存）。
•分类器的复杂性，副处理器的复杂性。
•神经元和随机计算的可扩展性。
（2）新兴技术和架构的编程范例和语言。
（3）对新架构进行扩展的基本理解
（4）近似/随机/香农启发式的计算适用于极端环境或路线图Si / CMOS限制附近的传统应用。
（5）具有非传统热管理、功耗和传输、能量回收、数据采集或存储的计算系统以及提供更高效率和性能的通信功能：
•数据表示、存储、传输和端点解释的替代模型。
•超CMOS硬件中的新内存和数据表示，可捕获比数据直接数字化更有效处理的高阶结构和信息内容。
•具有减少数据移动和通信需求的新型体系结构，以及随着系统负载和使用模式的不同，自适应优化数据移动策略的新颖算法。
•拥有以硬件安全性为内在要求的架构的新型计算和存储范例。
•用热力极限附近的设备进行计算。
•在极端但受控的非传统操作条件下评估系统性能。
（6）软硬件(HW-SW)协同设计
•基于现有和紧急设备的加速器的设计和集成，层面涉及从电路级到系统和异构系统的软件级。
•非常规加速器技术的开发。
•可实现加速器透明使用的软件机制的开发。
（7）协同设计的硬件和算法：
•节能电路、架构、算法和软件：硬件-软件-算法协同设计方法和工具，包括底层物理和故障物理；这些都是节能传感器系统、信息提取和自主系统所必需的。
•每个处理器精确扩展到1012个设备（不包括内存）的体系结构。
•加密和安全性的计算理论。
•验证和确认。
（8）异构系统：
• 具有新颖记忆层次的片上系统。
•非易失性计算（HW和SW）。
•先进的电源管理方法。
•内存计算。
•可重构计算。
•对非传统织物进行计算，例如交叉点。
（9）新架构的建模：
•模拟新的异构架构的性能，并对冯·诺依曼（Von Neumann）进行基准测试。
•模型性能：表明对非常宽泛的工作负载类别的需求。
•根据硬件性能验证建模结果：证明模型与实际应用程序的相关性。 （这个方面可生成的成果是系统硬件，而不仅仅是模拟器或建模结果。）
（10）使用冯·诺依曼系统集成和验证非传统计算，以支持实际的、复杂的工作流程：
•非传统计算方法的理论依据和支持。
•拟议的非传统计算方法的适用范围。
•非传统计算方法与相关的工作负载和系统的集成。
•提出的非传统计算方法的弹性和可靠性。
（十）安全和隐私
技术的进步为半导体行业创造了商机，通过自主互联实现数十亿个实体相连作为一个整体的复杂的生态系统。实体可以是计算系统、嵌入式系统、系统对系统、基于云的系统、人类和周围环境或其组合，并且它们可以使用多种通信技术来连接。
包括“物联网”等这样的生态系统的发展预计将影响以前独立的市场部分，如云计算，医疗保健和汽车市场，预计2025年经济影响估计在3.9至11万亿美元之间。
技术进步也为攻击者创造了新的漏洞和机会。授权技术复杂性的增加为攻击者提供了新的工具、方法和可实现的结果。随着物联网的扩张，攻击者可以利用更多的攻击向导，以更低的风险追逐新的目标。相连实体的复杂生态系统被标记为“人类构想的最大且防守最差的网络攻击面”。最新消息强调汽车、发电站、植入式医疗设备和运输系统的脆弱性。
网络安全事件报道表明，建筑系统的现有做法不足以涵盖生态系统的内在复杂性，在可预见的将来，这些做法将不足以面对新的安全和隐私挑战。随着更多连通实体在生态系统中发挥积极作用，攻击者将能够针对更大和更易受攻击的攻击面，从而导致数据丢失，隐私侵害，敌对剥削和欺诈大规模破坏，前所未有的经济和社会影响。甚至人身安全也可能面临风险。
为了迎接可预见的生态系统的复杂性和其安全和隐私的挑战，政府和行业利益相关方必须从理论基础到有效的实施和生命周期管理方面，促进高效安全和隐私机制的发展。这就要求行业采用新兴的方法来（a）威胁建模，以涵盖生态系统的复杂性和规模；（b）安全感知执行模式，以对付已知和意外的威胁；（c）安全感知硬件和软件开发设计/协同设计工具，在我们的系统基础上构建安全性；（d）安全和隐私基础，即密码术和加密实现，列举了一下值得关注的领域。
潜在的研究课题
系统安全和隐私的一个重大问题仍然是软件执行可以通过软件或硬件攻击颠覆的可能性，从而可以触发任意的软件执行、私人数据（用户位置，生物特征等）、元数据（软件版本， 查询类型等），关键材料被意外或强制泄漏给意想不到的接收者或被攻击者滥用。 由于系统的不当行为（无论是攻击者引起的还是无意的）会通过生态系统传播潜在的社会和经济影响，例如，拒绝互联网和其他公共服务，大规模欺诈等的影响，目前这一担忧被放大了。
以下是在“超”连接紧密耦合实体的未来世界中解决安全和隐私挑战的优先研究领域：
（1）威胁建模：
可靠的新闻报道显示，现行安全措施的共存不足以减轻网络攻击。目前方法的不足之处在于，系统依赖的威胁模式无法应用于大规模网络。 此外，许多系统并不能在当前高度联网的操作环境中安全地运行。
安全性的关键要求是，它不能与在共享生态系统中运行的其他约束实体隔离，这些共享生态系统具有积极的连接性、智能性和能源需求。 权衡变得更加显而易见，例如，收集、传输和分析大量信息的智能系统对安全性和隐私需求很大。不幸的是，目前在安全设计方面的研究和实践并不能在设计周期的早期就解决这些互操作性要求。这通常导致以后在设计过程中逐步理解和验证的联合要求，在架构和实现方面产生了拼凑，并存在潜在的更大攻击面和增加的系统漏洞。
新的研究必须开发出在较高层次-生态系统层面上实现威胁建模的方法。有必要开发威胁建模技术和工具框架，能够涵盖不同应用领域的复杂性、规模和权衡。如果修补或更新机制不可用或不足以解决特定的漏洞，这是特别有价值的。此外，随着新的威胁组织出现，这种框架必须是可扩展、可更新的。 此外，必须在适当的标准化体系中进行标准化努力。
（2）安全感知执行模型：
微体系结构旁路和故障分析研究已经揭示了现代计算机系统设计中的缺点（例如，微处理器和存储器层次结构的设计）和执行模型。当前系统表现出比半导体行业原本想象的范围更大的攻击面。例如，已经表明，传统软件缓解和集装箱化不能减轻后果，可以远程诱导产生物理故障；当在现代流水线微处理器上执行软件时，针对诱发物理故障的仅软件缓解能力不足；
现代计算机系统上的共享资源，例如内存层次结构和机制，暴露攻击者可能被滥用的行为，即使在虚拟机或容器之间也能泄漏有价值的信息，从而减少虚拟隔间（例如，沙盒和虚拟机， 和一些安全执行环境的属性）。这些结果表明，微架构设计、软件开发和执行模型中的当前实践必须发展，以减轻新出现的威胁。
移动目标缓解旨在使攻击者眼中的系统的每个实例都是唯一的，即使整个系统组件功能没有发生改变。软件中的移动目标缓解可以提供常规硬件上的代码颠覆的灵活性，而硬件中的移动目标缓解可以为几乎未修改的软件提供抵御信息泄漏的能力。这两种缓解的适当组合可以使得新系统的设计、部署和操作能够提高安全栅，从而大大减小当前的攻击面，分类攻击的效能以及网络流行病的传播。然而，这项研究的缺乏理论基础，目前的具体实施也缺乏共识，并没有被采纳。移动目标研究的一个好搭档是分布式机制开发，用于揭示系统故障对安全和隐私的影响。
新的软硬件设计框架和工艺安全性：验证是安全设计的关键组成部分，在可预见的将来还将一直保持下去。 不幸的是，当今的验证技术和工具几乎不具备安全性。在工业实践中，当前的安全验证通常在本地执行，有很多假设来源于系统级安全性要求。即使在本地一级完成了这些基本的安全验证，也难以保证系统级别的安全性或系统与整体连接基础设施的通信。 在某种程度上，这是因为架构、设计和实现方法，无论是在设备还是应用程序级别，都不能理解更广泛的验证需求。
新的研究需要专注于技术和工具的开发，以确保从头开始进行验证，并且执行架构和软硬件设计必须促进验证。具体来说，需要研究并创建新的开发环境，其中包含安全规范，以生成或指导生成安全子系统及其通信组件的替代架构，以及相应的通信互连和协议。
密码学和加密实现的研究：为了更好地应对安全系统支柱未来将面临的挑战，需要开发安全和隐私空间中的新数学和算法。 大型量子计算机对当前加密环境的影响不可忽视。 虽然将对称密码术的密钥长度加倍对于安全性来说似乎是足够的，但实际使用的所有公钥密码术将被破坏。对于我们当前的基础架构，这意味着HTTPS不再安全，电子邮件没有加密，也没有数字签名。
好消息是，今天使用的公共密钥加密方案有其他选择，包括对后量子密码学的研究。然而，它们的效率是次优的，而且他们的标准化和支持（如数据库）在很大程度上是有所欠缺的。
关于加密实现（即攻击和缓解）的旁路分析研究需要进一步发展，以满足资源受限设备（如智能设备）的严格要求。
旁路攻击依靠非侵入性方法来观察系统的物理现象，并通过统计分析和实施的一些假设来推断密钥材料。旁路攻击带来的问题很大，因为一旦旁路泄漏，特征被正确识别，它们往往相对容易被开发和广泛应用。例如，如果汽车中的通信总线是密码保护的，但是其信号电平可以由小型记录装置感测到，则汽车安全特征的安全性受到破坏。这同样适用于可能泄漏其秘密的智能门锁，从而手动访问对手。
在硬件和软件设计过程中，必须考虑到针对旁路攻击的抵御能力。然而，对攻击的有效的缓解通常要求很高的资源用量。实用、廉价、恢复能力更优的旁路是一个主要的研究课题。
不同实体拥有的不同的系统跳数，在不同跳转节点处创建、传播存储和处理数据的任何上下文的过程中，隐私保护计算变得非常重要。给出的示例包括保健数据的中继和用户，卸载到云的存储和计算（例如机器学习）和对象跟踪。虽然在这种空间中确实存在理论基础，例如同态加密和姚氏的乱码电路，但是在具体用例中，市场基本上缺乏对现存实现方案的实践落实和共识。由于隐私条例的出现和授权，将由半导体行业进行创新和帮助制定适当的隐私保护计算标准。
（十一）设计工具、方法和测试
经过过去五十年的发展，目前的设计工具和方法能够创建基于冯诺依曼架构的系统。针对主要挑战提供解决方案，例如从非结构化数据收集导出的解决方案，其速度比结构化数据快得多，但需要不同类型的架构来提取意义并有效处理数据。其他计算系统，如高度分布式和异构系统，基于非冯·诺依曼结构的系统（例如模拟计算，随机处理，近似计算以及诸如神经形态计算的生物/脑启发模型）的创建将需要设计流程和工具上的重大创新。
设计社区利用最先进的计算技术提供及时的解决方案。例如，当处理器频率停止增加并且架构从单处理器移动到多核架构时，电子设计自动化（EDA）算法被重新设计，以期在新系统上正确扩展。同样，为了利用未来的计算硬件和系统，设计流程和方法将需要做出改变。由于必须探索的许多替代方案将包括新材料和工艺，这不仅需要进一步开发计算能力（实现从最初开始到基于物理的有效模型的计算），并提供发现的材料的预测性处理和制造过程模拟功能，而且还可用于为其支持的新兴计算范例提供完整系统的EDA工具，包括逻辑和物理设计，仿真和验证。
由于所有前沿半导体工艺的高复杂性和高制造成本，整个行业都依赖于对每一步的基本模型和设计方法的准确描述和规定，从完整的电子系统的系统级设计一直到半导体制造过程中使用的材料和工艺。 这些模型和方法是实现半导体生产的重要组成部分。例如，它们用于在制造之前验证设计，以确保在设计和制造流程的每个阶段验证制造是否符合规则，提高故障检测速度，并持续改进完整系统的鲁棒性。
建模是基准测试、特性表征、制造方法、数据分析、参数外推和过程仿真与控制的关键。为了获得准确的材料和设备模型，对物理机制的清晰理解和基于实验反馈的验证至关重要。
此外，为了将摩尔定律扩展到极限，行业正在探索完全不同的材料和制造工艺，这又将对设计工具和方法产生影响。因此，设计者需要对各级设计工具和方法进行基础研究，才能实现最终缩放的CMOS。为了制造复杂的集成电路和集成系统，还需要高效的测试和验证技术，确保产品最终走向终端市场。
潜在研究课题
为了生产当下非常复杂的高级集成电路和系统，半导体设计工艺依赖于设计、验证和测试领域至关重要的成熟范例。设计流程与验证流程的独立、分层设计（即定义明确的设备、标准单元、IP模块、芯片组件、单板级别、系统级别），仿真（多个抽象级别）等设计，以及设计测试，在整个设计工具和方法方面是普遍的，使用这种分层设计方法能帮助相对较小的工程团队创建具有数十亿个晶体管的组件。系统复杂性的增长预计将以指数的速度继续下去，从而使未来的系统能够满足日益增长的功能需求并实现全新的应用。此外，电路和系统适应性变得越来越强，这将需要对验证和测试方法进行重大调整。
该领域将出现这些问题：
这些范例中的哪一个将保持不变？哪些将保留，但需要重新调整？ 如何调整？ 需要创造什么新的范例？有些哪些将要被淘汰？
对于后冯·诺伊曼时代的多种替代方案，这些基本问题可能有不同的答案。
为了说明新的计算系统如何影响设计工具和方法学中的现有技术，探索一般的脑启发式架构是比较有利的，特别是该架构是有希望的替代方案之一，神经形态计算。
（1）神经形态计算
神经系统模拟神经元在到达完整的系统级别之前是如何在单个单元上运行的，它们如何彼此连接，以及它们的响应随时间变化情况。 最突出特点列表如下：
•可以计算、存储和通信的大量计算单元。
•大量输入（数万）到单个输出。
•单输出连接到大量的计算单元。
•可重构互连。
•异步操作。
上述各项特点对设计的自动化具有深远的影响; 总体上，他们需要对目前的方法进行彻底的反思。
例如，当前绝大多数的计算系统都是基于同步定时操作的。系统具有一个同步时钟电路以同步系统中的所有信号时钟，这个概念是自设计创作活动的最初阶段以来已经根深蒂固于设计流程中的关键技术。它深深嵌入在多个设计流程的概念（例如定时验证和关闭）以及这些流程中使用的设计工具（例如，静态时序分析）中。这些新的可能包含数十亿个组件的电路的时序验证方面需要如何改变，这是一个悬而未决的问题。
探索人脑是新兴计算的长期目标，途中，可以采用多个中间步骤来提供认知计算功能。越来越复杂的中间认知功能的创建将有利于刺激当前技术、设计工具和方法向为实现长期目标所需的技术转变。
（2）在高层次上，可以确定一些需要协调的多个研究活动的主要类别：
（3）设备级到系统级设计：
•全面的设计、仿真和规划技术，以及实现新的微系统功能和能力的整体方法。
•设计工具和方法以及考虑性能、功率、热能和可靠性的多个异构系统的快速、准确的仿真方法;这种系统需要确认和验证。
•高级综合型设计方法，便于提高系统的整题性能和生产力，特别是对于认知和自主计算。
•未来自主系统的专用硬件组件的设计方法，包括机器智能。
•深入了解认知计算技术，如深层神经网络及其与硬件规范的关系。
•设计可测性的新方法，以加速诊断和调试。
•新型认知计算方法和相关硬件设计。
•定义关键度量标准，并根据已建立的技术和现有的设计实践推动设计工具和方法学方面的工作进展。
（4）预测模型：
•新型设备的综合建模、设计和仿真方法，用于提高性能、降低功耗、提高产量和可制造性。
•综合（基于物理的）建模方法，需要考虑到纳米电子和原子级系统的复杂性。
