0

0
0

文字

分享

0
0
0

為甚麼超級電腦的成長速度不若過去快速?

PanSci_96
・2016/03/09 ・1645字 ・閱讀時間約 3 分鐘 ・SR值 552 ・八年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

文/喻守謙

640px-IBM_Blue_Gene_P_supercomputer
IBM的超級電腦Blue Gene。圖/wikipedia

2015 年國際「TOP500 計畫」在德國舉行的國際超級電腦大會上,發表全球最新超級電腦 500 強排名。雖然排名前端的超級電腦,皆已經可以達到每秒運算千兆次的速度,但事實上超級電腦計算能力成長的幅度並不像過去那麼快速,成長放緩的原因可能涉及許多技術難關及成本考量。

超級電腦還在成長,但成長的很慢

眾所皆知,超級電腦的開發根基於 INTEL 創始人之一戈登·摩爾所提出的摩爾定律,他預測單一積體電路上可容納的電晶體數目,約每隔2年便會增加一倍,造成性能呈指數增長。在大多數情況下,市場大多遵循著這套曲線。

在超級電腦方面,過去前 500 強的電腦性能幾乎每年翻倍成長。然而從前幾年開始,成長的幅度漸漸下降。從 2008 年到 2013 年左右,運算速度增長的幅度約在 22%-66% 左右,但今年上榜的電腦中,只比去年同期增長了約 17% 左右。

成長的停滯跡像不只出現在榜單的頂部,榜單底部的電腦也有漸緩的趨勢。就過去的經驗來看,榜單底部的電腦處理速度的增幅應該要持續高於排名靠前的電腦。但從下圖中,我們可以看出在過去的幾年中增速的變化趨勢。排名第 1 和第 500 的電腦間運算能力差距正在逐漸擴大。

123

也就是說,雖然還是有新的超級電腦誕生,但出現的頻率已經沒有過去那麼高,且榜單底端的電腦也沒有維持足夠的成長速度。

甚麼趨勢導致成長放緩?

摩爾定律走到盡頭

IBM 數據中心高級經理 John Gunnels 提到,如果你沒辦法像過去一樣保持芯片縮小的幅度與速度,那麼當然沒辦法像過去一樣提高效能,因為晶元的幾何尺寸總不可能無限制地縮小下去。半導體產業似乎已經走到極限,今日的晶體管已經縮小到原子級別,芯片設計師們不得不在已十分優越的多核芯片上不斷推翻、重新設計,每一次的升級,都讓難度變得更大。於此同時,IBM 研究人員正試圖利用矽鍺晶體管取代純矽,並利用極紫外光(EUV)雕刻技術打造僅 7 奈米的芯片,希望在未來四年維持摩爾定律。

摩爾定律。圖/wikipedia
摩爾定律。圖/wikipedia

除了純科學技術上的問題,更大的問題是經濟上的阻力,高昂的電力消費與天價的開發成本才是減緩相關產業成長的原因。當芯片對尺寸的要求縮小到一定程度,晶圓廠的成本甚至可能會高過核電廠,除了大型科技公司以外,恐怕沒有多少公司能負擔。例如 Intel 過去的 14 nm 晶片工廠,便花費了五十億美元,上述 IBM 的新型晶片,在量產前投資額就高達 30 億美元。Gunnels 認為,他相信有人能做出性能更高的超級電腦,但不見得有相對應的權力與金錢能夠支撐這項事業,例如美國政府近年來也縮小了對超級電腦的資金投資規模。

當然,除了一味追求更小的半導體體積外,市場上還有其他技術可以增加運算效率。如 3D 邏輯閘,多層晶片,低電壓低電阻晶圓等等,但這些技術也有自身的限制,沒辦法立即帶來像如同縮小體積般顯著的指數型成長,頂多讓半導體產業維繫接下來 10 年的光景。換句話說,科技巨頭們只能趕在這段時間去尋找能矽半導體的替代品,雖然有不少可能的方向,例如奈米碳管、超導體、量子電腦等等,但這些技術也都尚未完全成熟,是否真的能在近年扭轉頹勢,還有待觀察。

未來發展-你的舊電腦不再過氣的那麼快?

縱使成長放緩,美國科學界仍希望能在 2020 年達到每秒百萬兆次的運算速度,但田納西大學的電腦科學教授 Jack Dongarra(超級電腦前 500 名榜單中的常客)則認為保守估計也得等到 2023 年才能實現,日本與中國方面則較積極地想搶在 2020 達成這項目標。

在未來,首要受到影響的就是需要動用超級電腦的產業,例如國家級的氣象預測與氣候模型架構、新世代的雲端產業網路架構等等。對一般民眾而言,過去我們已經習慣芯片的高速淘汰與成長,未來或許也會開始查覺到這波放緩的趨勢,簡單來說,你會發現你的舊電腦似乎不會過氣的那麼快。

(本文由科技部補助「新媒體科普傳播實作計畫-智慧生活與前沿科技科普知識教育推廣」執行團隊撰稿)

責任編輯:鄭國威
審校:陳妤寧

文章難易度

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2219 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

1
0

文字

分享

0
1
0
將陽光轉變成電能的太陽能電池:太陽能電池不是電池——《圖解半導體》
台灣東販
・2022/11/23 ・2778字 ・閱讀時間約 5 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

備受關注的再生能源

近年來,以太陽能發電的再生能源備受關注。

近年來,以太陽能發電的再生能源備受關注。圖/pexels

太陽能電池是太陽能發電的關鍵裝置,這是用半導體將陽光的能量直接轉變成電能的裝置。雖然有「電池」這個名稱,但不像乾電池那樣可以儲存電能。所以「太陽能電池」這個稱呼其實並不洽當,應該稱其為「太陽光發電元件」才對。

太陽能電池會利用到第 1 章 1-2 節提到的半導體光電效應(將光轉變成電能的現象)。不過,僅僅只透過照光,並不能從半導體中抽取出電能。要將光能轉變成電能,必須使用 pn 接面二極體(參考第 1 章 1-8 節)才行。

pn 接面二極體。圖/東販

圖 5-1(a) 為 pn 接面二極體,p 型半導體有許多電洞做為載子,n 型半導體內則有許多電子做為載子。這個 p 型與 n 型半導體接合後,接合面附近的電洞會往 n 型移動擴散,電子則會往 p 型移動擴散,如圖 5-1(b) 所示。

移動擴散之後,接面附近的電子與電洞會彼此結合,使載子消滅,這個過程稱為複合。結果會得到圖 5-1(c) 般,沒有任何載子存在的區域,這個區域就稱為空乏層。

接面附近的空乏層中,n 型半導體的帶負電電子不足,故會帶正電;另一方面,p 型半導體的帶正電電洞不足,故會帶負電(圖 5-1(d))。

因此,n 型與 p 型半導體之間的空乏層會產生名為內建電位的電位差,在接面部分形成電場。這個電場可以阻擋從 n 型半導體流出的電子,與電子從 n 型流向 p 型的力達到平衡,故可保持穩定狀態。

這種狀態為熱平衡狀態,放著不管也不會發生任何事。也就是說,接面上有內建電位差之壁,不管是電子還是電洞,都無法穿過這道牆壁。

用光發電的機制。圖/東販

在這種狀態下,如果陽光照入空乏層,半導體就會在光能下產生新的電子與電洞,如圖 5-2 所示。此時,新的電子會因為內建電場所產生的力而往 n 型半導體移動,新的電洞則往 p 型半導體移動(圖 5-2(a))。於是,電子便會在外部電路產生推動電流的力,稱為電動勢。

在光照射半導體的同時,電動勢會一直持續發生,愈來愈多電子被擠入外部電路,於外部電路供應電力。被擠出至外部電路的電子會再回到 p 型半導體,與電洞結合(圖 5-2(b))。我們可以觀察到這個過程所產生的電流。

太陽能電池的結構。圖/東販

目前太陽能電池的大部分都是由 Si 半導體製成。以 Si 結晶製成的太陽能電池結構如圖 5-3 所示。

為方便理解,前面的示意圖中,都是以細長型的 pn 接面半導體為例。但實際上,太陽能電池所產生的電流大小,與 pn 接面二極體的接面面積成正比。所以 pn 接面的面積做得愈廣愈好,就像圖 5-3 那樣呈薄型平板狀。

前面的說明提到,陽光可產生新的載子,這裡讓我們再進一步說明其原理。

pn 接面二極體的電子狀態。圖/東販

圖 5-4 為 Si 原子之電子組態的示意圖(亦可參考第 38 頁圖 1-11)。Si 原子最外層的軌道與相鄰 Si 原子以共價鍵結合,故 Si 結晶的軌道填滿了電子,沒有空位(圖 5-4(a))。

若摻雜雜質磷(P)或砷(As)等 15 族(Ⅴ族)元素,形成 n 型半導體,便會多出 1 個電子。這個電子會填入最外層電子殼層的最外側軌道(圖 5-4(b)),與共價鍵無關,故能以自由電子的狀態在結晶內自由移動。

由於電子軌道離原子核愈遠,電子的能量愈高,所以位於最外側軌道的電子擁有最高的能量(參考第 57 頁,第 1 章的專欄)。最外側軌道與最外層電子殼層的能量差,稱為能隙。

另一方面,如果是摻雜鎵(Ga)或銦(In)等 13 族(Ⅲ族)元素的 p 型半導體,會少 1 個電子,形成電洞。這個電洞位於最外層電子殼層,能量比自由電子還要低(圖 5-4(c))。

空乏層不存在自由電子或電洞等載子,此處原子的電子組態皆如圖 5-4(a) 所示。

陽光照進這個狀態下的空乏層區域時,原子的電子會獲得光能飛出,轉移到能量較高的外側軌道(圖 5-4(d))。此時的重點在於,電子從光那裡獲得的能量必須大於能隙。如果光能比能隙小的話,電子就無法移動到外側軌道。

光的能量由波長決定,波長愈短,光的能量愈高(參考第 217 頁,第 5 章專欄)。光能 E(單位為電子伏特eV)與波長 λ(單位為 nm)有以下關係。

E[eV]=1240/λ[nm]

抵達地表的陽光光譜。圖/東販

另一方面,抵達地表的陽光由許多種波長的光組成,各個波長的光強度如圖 5-5 所示。

由圖可以看出,可見光範圍內的陽光強度很強。陽光中約有52%的能量由可見光貢獻,紅外線約佔 42%,剩下的 5~6% 則是紫外線。

若能吸收所有波長的光,將它們全部轉換成電能的話,轉換效率可達到最高。不過半導體可吸收的光波長是固定的,無法吸收所有波長的光。

Si結晶的能隙為 1.12eV,對應光波長約為 1100nm,位於紅外線區域。也就是說,用 Si 結晶製造的太陽能電池,只能吸收波長小於 1100nm 的光,並將其轉換成電能。

不過,就像我們在圖 5-5 中看到的,就算只吸收波長比 1100nm 還短的光,也能吸收到幾乎所有的陽光能量。

光是看以上說明,可能會讓人覺得,如果半導體的能隙較小,應該有利於吸收波長較長的光才對。不過,並不只有能隙會影響到發電效率,圖 5-6 提到的光的吸收係數也會大幅影響發電效率。光的吸收係數代表半導體能吸收多少光,可以產生多少載子。

有幾種材料的光吸收係數特別高,譬如 Ⅲ—Ⅴ 族的砷化鎵(GaAs)。GaAs 的能隙為 1.42eV,轉換成光波長後為 870nm,可吸收的光波長範圍比 Si 還要狹窄。但因為吸收係數較高,所以用砷化鎵製作的太陽能電池的效率也比較高。

總之,GaAs 是效率相當高的太陽能電池材料。然而成本較高是它的缺點,只能用於人造衛星等特殊用途上。即使如此,研究人員們仍在努力開發出成本更低、效率更好,以化合物半導體製成的太陽能電池。

——本文摘自《圖解半導體:從設計、製程、應用一窺產業現況與展望》,2022 年 11 月,台灣東販出版,未經同意請勿轉載。

台灣東販
5 篇文章 ・ 1 位粉絲
台灣東販股份有限公司是在台灣第1家獲許投資的國外出版公司。 本公司翻譯各類日本書籍,並且發行。 近年來致力於雜誌、流行文化作品與本土原創作品的出版開發,積極拓展商品的類別,期朝全面化,多元化,專業化之目標邁進。

0

4
1

文字

分享

0
4
1
快閃記憶體的原理:我們常用的 USB 記憶體與記憶卡——《圖解半導體》
台灣東販
・2022/11/22 ・3591字 ・閱讀時間約 7 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

快閃記憶體常被用在個人電腦的 USB 記憶體、數位相機或智慧型手機的記憶卡等地方。即使切斷電源,記憶內容也不會消失,屬於非揮發性記憶體,且與 DRAM 的隨機存取類似,可讀取、擦除、寫入內容。不過,快閃記憶體的動作較慢,無法取代 DRAM。

快閃記憶體由東芝的舛岡富士雄於 1984 年發明。

DRAM 會透過記憶體電容器累積的電荷來記憶資訊。而快閃記憶體則會透過 MOSFET 內的懸浮閘極累積電荷。

快閃記憶體的結構。圖/東販

圖 4-11 為快閃記憶體的結構。MOSFET 的閘極與 Si 基板之間,有個不與任一方相連的懸浮閘極。

這個懸浮閘極就是快閃記憶體的特徵。電荷儲存在這裡時,因為周圍是由氧化膜(SiO2)構成的絕緣體,所以電荷(電子)不會跑到其他地方。即使切斷電源,記憶體內的資訊也不會消失,為非揮發性記憶體。

快閃記憶體的懸浮閘極帶有電荷時,儲存的是「0」;無電荷時,儲存的是「1」。懸浮閘極可透過累積或釋放電子,來記錄或保存資訊。

資訊的寫入與消除。圖/東販

圖 4-12(a) 為寫入「0」的情況。此時源極、汲極、基板皆為 0V,並對控制閘極施加正電壓。

於是,Si 基板內的電子就會穿過氧化膜,於懸浮閘極內蓄積。「電子可穿過絕緣體氧化膜」聽起來有些不可思議,不過氧化膜相當薄,厚度只有約數 nm,所以電子可以透過穿隧效應穿過氧化膜。

因此,Si 基板與懸浮閘極之間的氧化膜也叫做穿隧氧化膜。寫入資訊「1」時,懸浮閘極不會蓄積電子,所以什麼事都不會發生。

當我們想要消除資訊,也就是消除懸浮電極蓄積的電子時,需讓控制電極電壓為 0V,並對源極、汲極、基板施加正電壓,如圖 4-12(b) 所示。這麼一來,懸浮電極內蓄積的電子就會透過穿隧效應穿過氧化膜,移動到電壓較高的基板一側。於是,原本蓄積於懸浮電極的電荷就會消失。

讀取已記錄的資訊。圖/東販

另一方面,當我們想要讀取資訊時,只要在控制電極施加一定的正電壓,便可透過從源極流向汲極的電流,讀取儲存單元內的資訊(圖 4-13)。

若懸浮閘極內有蓄積電子(「0」的狀態),這些電子的負電會抵消掉控制閘極施加的正電壓,使電流難以通過底下的通道。

利用懸浮電荷量不同來控制記憶體

若懸浮閘極內沒有累積電子(「1」的狀態),閘極電壓就會直接影響到基板,與 MOSFET 的情況一樣,故下方會有電流通過。所以由電流的差異,就可以判斷儲存單元的資訊是「0」或「1」。

即使懸浮閘極內有蓄積電荷(圖 4-13 的「0」狀態),要是對控制閘極施加的電壓過高,源極與汲極之間還是會有電流通過。

也就是說,懸浮電荷量不同時,使電晶體開始產生電流的閾值電壓(Vth,參考第 89 頁)也不一樣。故我們可藉由懸浮電荷量的控制來記憶資訊。

快閃記憶體的 SLC 與 MLC。圖/東販

由前面的說明可以知道,像圖 4-14(a) 這樣的單一儲存單元,只能記錄 1 個位元,可能是「0」或「1」。

用閾值電壓判斷單元狀態

不過,如果閾值電壓可任意控制,就可以將懸浮閘極依儲存的電荷量,從滿電荷到無電荷分成 4 個等級,如圖 (b) 所示。4 個等級可分別對應「01」、「00」、「10」、「11」。這麼一來,1 個儲存單元就可以記錄 2 位元的資訊。

因為每種狀態所對應的閾值電壓都不一樣,Vth01>Vth00>Vth10>Vth11,所以讀取資訊時,可以由閾值電壓判斷該儲存單元處於何種狀態。

可分成 4 種狀態的單元稱為 MLC(Multi Level Cell)。另一方面,只有 2 種狀態的單元稱為 SLC(Single Level Cell)。

MLC 的 1 個儲存單元可以記錄 2 位元的資訊。如果將 Vth 分成更多區間,還可以記錄 3 位元、4 位元的資訊,進而提升容量。不過,MLC 懸浮閘極寫入電壓的控制技術相當困難,MOSFET 對干擾現象又特別敏感,所以要做成增加更多層相對困難。

快閃記憶體的缺點

另外,快閃記憶體在記錄、消除資訊時,需使用 10V 之類相對較高的電壓,電子才能突破穿隧氧化膜。因此,反覆讀寫會造成氧化膜劣化,最後使儲存單元無法保留電子。也就是說,快閃記憶體的壽命比其他記憶體還要短。寫入速度較慢也是一項缺點。

另一方面,快閃記憶體與 DRAM 不同,不使用電容器,所以1個晶片可搭載的儲存單元較多,較容易提升容量。

快閃記憶體的組成——NAND 型與 NOR 型

NAND 型與 NOR 型。圖/東販

快閃記憶體與 DRAM 一樣,都是由許多儲存單元排列成矩陣的樣子。快閃記憶體可依組成分成 NOR 型與 NAND 型 2 種(圖 4-15)。

NOR 型的快閃記憶體結構。圖/東販

圖 4-16 為 NOR 型的快閃記憶體結構。除了字元線與位元線之外,還有「源極線」存在,且源極線需通以電流。

NOR 型的快閃記憶體運作方式與 DRAM 相近,較好理解。以圖中圈出來的儲存單元為例,讀取單元內的數值時,會在對應的字元線施加讀取用電壓,然後透過位元線讀取資訊。另一方面,消除或寫入資訊時,會對位元線施加寫入用電壓,字元線也會施加寫入用電壓。

實際上的運作相當複雜,所以不像 DRAM 那樣只有 0 與 1 的 2 種數值,不過和 DRAM一樣是一個個單元讀取、寫入。換言之,可以隨機存取儲存單元。

NAND 型快閃記憶體的結構。圖/東販

另一方面,NAND 型快閃記憶體的結構則如圖 4-17 所示。

NAND 型的結構中,同一條字元線串聯起許多儲存單元,稱為 1「頁」(page),多條字元線有許多頁,稱為 1 個「區塊」(block)。

NAND 型的頗面圖。圖/東販

圖 4-18 中,1 條位元線可串聯起許多儲存單元。這種結構有個特徵,那就是同一條位元線上,各個 MOSFET 的源極與汲極皆串聯在同一列上。這一列MOSFET製作在半導體基板上時,剖面圖如下。

基板上,1 個電晶體的源極,與相鄰電晶體的汲極共用同一個n區域,所以表面不需設置電極。少了電極而多出來的空間,就可以用來提升電晶體的聚積密度。

不過這種結構下,1 條位元線的電流比 NOR 型的電流還要小,所以讀取速度比較慢。另外,因為 1 個儲存單元比較小,所以懸浮閘極保留的電荷也會比較少,使資料保存的可靠度較差。

NAND 型的擦除與寫入步驟

NAND 型快閃記憶體需以 1 個區塊(含有許多頁)為單位進行擦除,以 1 頁為單位進行寫入。

因此,要更改 1 頁的內容時,必須將含有這 1 頁之整個區塊的資訊暫時複製存放到外部的其他地方,然後刪去整個區塊的資料,然後再把區塊資料複製回來,同時把要更改的內容寫進去。

也就是說,即使只是要改寫 1 位元的內容,也必須將整個區塊的資料都刪除掉才行。因為必須一次刪除廣大範圍的資料,所以被取了「快閃」這個名字。

快閃記憶體的主要用途是 USB 記憶體或 SSD 等資料儲存裝置。圖/pexels

不過,寫入資料時是一次寫入一整頁資料,所以寫入速度比 NOR 型還要快。

若比較 NOR 型與 NAND 型,會發現 NOR 型的優點是讀取較快,資料的可靠度較高。所以像是家電的微處理器、含有簡單程式的記憶體等裝置,對讀取的需求大於寫入,便會採用 NOR 型快閃記憶體。雖然容量不大,寫入較慢,但這些裝置幾乎不會進行寫入動作,所以高可靠度、較快的讀取速度對它們來說比較重要。

然而,快閃記憶體的主要用途是 USB 記憶體或 SSD 等資料儲存裝置,常需改寫儲存單元內的資料。此時,NAND 型的高聚積化就會是很大的優點。因此 NAND 型目前才是快閃記憶體的主流。

——本文摘自《圖解半導體:從設計、製程、應用一窺產業現況與展望》,2022 年 11 月,台灣東販出版,未經同意請勿轉載。

台灣東販
5 篇文章 ・ 1 位粉絲
台灣東販股份有限公司是在台灣第1家獲許投資的國外出版公司。 本公司翻譯各類日本書籍,並且發行。 近年來致力於雜誌、流行文化作品與本土原創作品的出版開發,積極拓展商品的類別,期朝全面化,多元化,專業化之目標邁進。