2017年7月21日 星期五

提前進場的新技術-量子記憶體與量子閘

這真是科普了。

最初看量子計算的文章是因為同行的傳奇人物費因曼的想法:量子計算機可能在量子物理問題的計算比較有優勢,這是八O年代的事。九O年代居然就蔚然成為一個新領域,叫做 Quantum Information。然後有人證明的確在某些問題量子計算比傳統位元計算可以少些步驟。接下來 Shor’s algorithm 在質因數的分解上跳投得三分球。開始有人認真考慮讓它真的派上用場。

如果你五年前上過 D-Wave 這家量子計算機公司的網站,這家公司談的應用不外是質因數分解、蛋白質折疊、量子物理等學術性的問題。然後洛克希德馬丁、NASA、Google 等涉入了,那時 Google 還鄭重否認它購買 D-Wave 的量子計算機,現在 Google 自己要做量子計算機了。

多快?不能切確的說,就像幾年前談自動無人駕駛,今年 Audi 說會在大陸開賣。但可以近乎肯定的說,量子計算機在機器學習上有些領域有明顯的優勢,這是為什麼 Google 與 NASA 在 2013 合作測試 D-Wave 2000 後態度轉為積極的原因。

台灣有龐大的半導體及電腦產業,我們能不能缺席?

2017年7月12日 星期三

人工智慧晶片競技場


人工智慧晶片有一個領域有相當的市場而台灣的設計廠商有相當競爭力的。

文中說的三種 approach 比較像是在伺服器中心進行大數據的機器學習以及推論用的。像 Google 就在其雲端組織了一個由 1000 個 TPU的人工智慧中心,讓研究團隊使用,這一類型的運用是各大 “黑洞” 公司戮力以赴的。台灣在此領域後發、沒有足堪比擬的大數據,演算法方面的研發也不夠厚實。硬要插花,很難討好。


但是人工智慧的應用無所不在。譬如行動機具上個人化的設定,好比語音或筆跡辨識,它首先會先操作大數據的機器學習建立一般通用的模型。但是要讓個人使用最佳化,還是需要針對個人使用習慣個別學習,這樣少量、在地的機器學習就需要一個人工智慧晶片,攜帶有先驗的大數據機器學習的結果,能迅速的給推論,以及針對使用者的輸入持續針對個人化的少量機器學習。類似這樣的晶片由於是用在行動機具,數量不少,大公司也未必有特別優勢,是台灣公司可能的發展方向之一。

2017年7月11日 星期二

MRAM 的進展與研發方向


初入半導體行業時,我的老闆是低我一屆的學弟,對我極為寬容,讓我有半年的時間學習,不負任何管理營運責任。我本行是物理,從黃光 (Lithography) 下手較容易。半年後,當了黃光經理,然後就在這個領域暫待了下來。後來老闆走了,我也另覓他公司任職。

那時黃光正要從 i-line 升級到 DUV,公司做的是 DRAM,當時是領先製程,就在跨年之交的深夜迎來台灣第一架 DUV stepper 設備。因為是先行者,在 Taiwan Semicon Lithography Forum 當了幾年的主席。這是職業生涯中最接近技術的日子。後來慢慢的向商業、財務、法律等傾斜,就回不去了。


再回研究的領域,又重新找回半導體研發,看 MRAM 這個以材料物性為發展主軸的競技場。人生有機會看幾場大戲就屬機緣,偶而如果還能票戲一場,那真是幸運。我相信 MRAM 終究會上台擔綱挑大樑的。

2017年7月2日 星期日

可期待的科技部前瞻科技政策


在政府最近爭議頻仍的政策中,有一個不起眼的小區塊-科技政策-令人有耳目一新之感。說它不起眼是因為經費與同名之為「前瞻」的其它計劃相比,還不到一個零頭。但是這些科技計劃的內容,叫做「前瞻」當之無愧,都是會徹底改變我們未來生活、工作方式的科技。

方向對了!只可惜政政府的投入太少。而且計劃會不會成功更多的依賴於計劃的細節,能不能致果還有待觀察。


另一個令人擔心的是科技部的前身國科會是支持基礎科學研究的主要單位,近年來科技部的焦點逐漸轉向產業科技。這個轉變固然加強了產業與學術界的連結,也有利於經濟發展,但是基礎科學的研究資源自然會減少。近年來學界與產業間的距離變了,基礎科學研究的結果變成產業科技只在剎那之間。2007年才拿的物理諾貝爾獎研究,現在要量產了!將資源挪到近產業端可見一時之效,但長期的知識動力源頭斷了,以後會難以為繼,這是政府要好好考慮的資源分配問題。

2017年6月23日 星期五

投資美國救台灣?


常有的感覺:記者以及寫評論的連總體經濟學都沒唸過就對經濟事務夸夸而談。其實我覺得不唸經濟學連新聞都沒有辦法看,這是從大學就有的想法。

這次何美玥率團訪美參加SelectUSA,投資美國引來許多批評。但這件事其實要從台幣匯率、長年貿易順差以及國際收支經常帳的平衡談起。我想我的看法是對的,彭淮南昨天不才出來說美國以 QE 促使美金貶值,以增加他們貨品輸出的競爭力?

80、90年代日本人拼命買美國資產譬如洛克斐勒大樓以及現在大陸拼命的併購各國公司都是國際收支經常帳平衡的自然運作,對台灣也是。在經濟學上,累積了超額的外匯存底 (台灣的外匯存底是正常經濟體應有的 7 倍) 而無所用途是讓人民替外國人白做功,講不通的。所以拿這些錢去買國外資產、投資生產是再正常不過的事。至於怎麼改善國內的投資環境,那又是另外一回事了。


科技匯流下的滅頂隱憂將至?


感覺上電子資訊產業的另一個改朝換代的時間快到了,像前一次所有可以移動的電子硬體都匯流到手機上,電子產業就此大清洗一次,包括當時的手機製造商 Nokia、Motorola、Sony-Ericson等。

現在這些時興的詞大數據 (big data)、數據挖掘 (data mining)、人工智慧、機器學習 (machine learning)、量子計算 (quantum computation)、工業 4.0等又逐漸在匯流,只是這次的匯流在雲端,看來穩定一陣子的電子產業還要再重新洗牌一次…。

2017年6月15日 星期四

量子計算與機器學習


量子力學與重力場論並列廿世紀初的顯學,愛因斯坦得諾貝爾獎還是因為它,而不是因為相對論。藉著它我們的知識領域擴充到微小世界,也到宇宙混沌之初。人類對於物質的瞭解和應用,也因為了它才有長足的進展。像電器中的半導體元件,電晶體的 “開” 的狀態,就是利用量子力學中的穿隧效應讓電晶體通過電流。

現在它要被應用到計算機上了。傳統的計算機以位元-0或1-為資訊的基本單位;量子計算機則以量子位元 (qbit) 為基礎。量子位元是一個只有二個能階 (2-level) 的量子狀態 (state),但這狀態不是非此即彼,而是可以是二個能階的線性組合。這就是科普書中著名的「薛丁格的貓」-它可以是半死半活的。因為如此,量子位元攜帶的資訊量遠比傳統位元要多的多。量子位元與傳統位元攜帶的資訊量的比較可以用一個幾何概念來打比方:量子位元的狀態可以是三度空間球面 (3-sphere) 上的任一點,而傳統位元只能是這個球面上的南極或北極。

量子位元的運算也比傳統位元的運算來的豐富。除了傳統的所有邏輯運算諸AND、OR 等外,它也可以執行只有在量子世界才有的運作,譬如狀態的疊加 (superposition)、纏繞 (entanglement) 等,所以在一些特定問題的運算上,量子計算可以有比傳統計算平方倍、甚至指數的加速。