一种新型处理器及存储技术的研究

摘要：针对半导体集成处理器在智能机器人中很难处理和模拟人类思维活动的问题，提出了一种新型的处理器及存储理念，该处理器可直接对超大规模的模拟信号进行高速实时处理，以电子井作为最小存储单元，并以电子束形式反应信号变化，产生实时模拟控制信号，为智能机器人处理器的设计提供了一种全新的思路。最后通过一个实例分析了处理器和存储器的工作过程。
关键词：处理器；存储技术；电子井；智能机器人

0 引言
    在上个世纪晶体管刚被发明的那几十年里，科学家和工程师们都乐观地预测人类离智能化时代已经不远了，特别是日本的某些研究所更是乐观地认为到了21世纪初那些科幻小说里的场景将会在现实中重演，然而直到如今，世界上大部分的科学家和研究人员不得不承认，在现有知识基础上，短期内是无法实现真正的人工智能的。
    人类对于机器人的研究早已有之，但正当各国科学家如火如荼地进行机器人的智能化研究时，在21世纪这个信息爆炸的时期，科学研究似乎遇到了一段极为棘手的瓶颈时期，半导体和布尔代数并没有显示出其万能的一面，全球基本上没有任何一种理论或者算法能赋予机器人生命，也就是说现今机器人除了机械地按照人类设定的程序和指令动作外，不能拥有自我判断能力。但人类并没有因此而放缓研究的脚步，日本一家公司曾从国内大学、公共研究所招聘了20多位脑科学、机器人专业的优秀研究人员，组建了生命力学研究所，专门研究下一代智能机器人。该研究所的5年计划指标是：把世界上脑科学最新理论编制成程序，用100多台计算机并联，处理各种高级信息，并把处理结果用无线技术传输给机器人本体，使之具有自我思考功能，灵活地对应周围环境，进行“人”与自然交流，从而进行自律的智能动作。虽然通过几年的努力取得了不少成果，最终还是以失败告终，仅仅证明了一个结论，人类在现有知识基础上短期内无法研制出拥有自我思考能力的机器人。
    处理器作为机器人的心脏，也是整个硬件系统的控制指挥中心，负责对外界信号进行判断、分析、学习，并指挥整个系统的运转，当然需要极高的信息处理能力和智能化。因此，智能机器人发展的关键就在于如何开发出一种信号处理器来模仿人类处理信息的能力，使机器人具有仿人类的大脑。本文提出一种新型的处理器及存储理念，即基于人类大脑处理信息的方法，采用特殊的结构从而能够直接对超大规模的模拟信号进行高速实时处理，以电子井作为最小存储单元，并以电子束形式反应信号变化，产生实时模拟控制信号。

1 对现今半导体集成电路的思考
    半导体集成电路和微处理器的出现不仅深刻地改变了电子技术的面貌和原有的设计理论基础，而且成为现代科学技术的重要基础之一，人类曾用它创造出自动化程度极高的各种应用系统。但目前越来越多的科学家们认识到了半导体电路的缺陷，虽然它的速度越来越快，稳定性越来越高，应用领域越来越广，然而当人类试图利用它去攀登人工智能的高峰却只能遭受一次又一次的失败。仅具有2种电平变化的数字电路具有稳定性高和易于处理的特性，这也决定了它需要用二进制信息量转换模拟信号的实际信息。对于信息量不是特别大的应用系统，只要缩短处理器的时钟处理周期就能满足信息的处理和传递，但对于人类思维这种信息量极大和实时性要求极高的处理，数字量的信号很难模拟出高级思维活动，就像ADC／DAC无法精确转换非二进制数一样。现今半导体处理器通过位数来提高精度与运算速度，也就是说简单的整数和复杂的开方数都必须占用同样的位数，占用同样的处理时间。而人类思维是通过一系列的电流传递产生的，这种生物细胞间的电流信号是连续的，但如果换算成二进制信号进行处理，那么人脑的复杂程度将增加无穷倍，如此高精度的人类生物神经都无法处理，更何况没有任何应变能力的数字集成电路了。
    所以能高速实时处理大信息量的处理器必须直接对模拟信号做出响应，但是当众多模拟量在单片上集成时，相互间的电磁干扰将使电路无法正常工作，于是用电流取代电压，用电子束取代电流变化，以减轻干扰，并使功耗下降几个数量级，最大限度地满足运算需求。

2 新型信号处理器的框架结构与工作原理
    作为一种仿生学的处理器与存储技术都是建立在模拟信号处理的基础上的，模拟信号如通过听觉、视觉、触觉等传感器采集的信号再通过放大、滤波、整形后送入处理器(Processor)，先通过一级转换(Tra)，将电压变化量转换为电流变化量，即转换为电子束信号，以配合处理器的处理，在处理的过程中激活学习功能(Study)，而学习功能区将需要记忆的信号送入可学习区，并通过烧写块(Bypass)将一些数据写入学习记忆区(Learning store)，以备下一次直接调用。图1为处理器的框架示意图。

    图2为不可记忆存储器最小单元电路，E-well为可触发电子井，分为：
    (1)触发电子井(Trigger E-well)：接收来自总线的信号，产生电子束触发信号，此信号将通过触发通道传递至响应电子井；
    (2)响应电子井(Respond E-well)：接收最近电子井状态，产生电子束响应信号，此信号通过多级响应最终被处理返回数据总线至处理单元；
    (3)监测电子井(Monitor E-well)：实时监测分控活动，可被触发通道产生信号触发，并将监测信息直接传回上一级分控。
    所有电子井均可通过离子通道进行联系，而分控可以将信号以离子形式传递至每个电子井。各个电子井通过读写线与最小中间站联系，而每个中间站又通过星型连接传递数据与控制信号，中间站即‘Ion and Controller’接收来自上级的控制信号，激发电子井输出数据，并通过总线输出。若此时需处理的信号为声音信号，首先将传感器传入的模拟信号转化为电子束信号，然后进行分级处理将信号转换为编码信号，固定存储区存储基本数据，当接收信号溢出时将激活学习区，然后经过判断是否需要学习，如果是则激活学习记忆区Learning store，即通过图3所示的电路将信号进行存储。

    学习存储区比固定存储区增加了学习电子井(Varied E-well)，接受学习控制信号的输入，通过击穿加入的PN结来烧写未处理的记忆区。

3 实例分析处理器具体工作原理
    下面以实例来说明处理语音信号的具体工作原理。当传感器接收到外界语音信号如“你好吗?”时，则将其转换为随电压变化的模拟信号。包含字节、语法、音调、声音强度等信息，送入处理器，进行一级处理，将电压信号转换为电子束。以正弦波为例，开始电压为0，电子束中电子数量也为0，然后电压增加，而电子量随电压线性增加。
    转换出来的类似量子的信号将通过处理器分流，例如“你”由几个实时电子束组成就分流成几份，每一份都通过一个分控去触发下级电子井，而电子井接收到电子信号后吸引来自周围离子通道的游离离子，而接触到被触发电子井对应的响应电子井将响应此信号，经处理后
输出同样为电子束形式的信号，再通过语法、音调等处理单元，将最终结果输入处理器，在处理器中利用电子胶卷对电子束进行解析、处理、放大，最终输出响应信号。
    当监测到电子井未收到响应信号时，将把本信号流送入学习处理单元，在学习处理单元设置应对程序，摒除误操作，存储可学习信息。

4 结语
    本文提出了一种用于处理超大规模实时信息量的新型处理器，对其总体框架进行了分析研究，为智能机器人处理器的设计提供了一种新思路。对于智能机器人这个困扰了全世界的难题，它的研究将是持久的。在机器人领域，人类需要研究和探索的路还很漫长，而机器人的智能研究到目前为止，还是科学界一个不可逾越的鸿沟，无数科学家和世界上的顶尖学者为此注入了毕生精力，最后却以失败告终。本文认为目前所面对的困难只是暂时性的，当人类为机器人设计出聪明的大脑后，一切问题都将会迎刃而解，未来将是一个崭新的智能世界。